NVIDIA kasutab moonutatud fotode täpseks kujutamiseks Gaussi regressioonialgoritme

NASA kosmosefotode ümberkujundamine selgema tulemuse saamiseks. Kosmoselend nüüd

NVIDIA on juba ammu tuntud oma laitmatu graafika töötlemise üksuste (GPU) poolest, peamine toode on NVIDIA GeForce kaart. Sellega on ettevõte alati olnud esikohal kesksel kohal videomängude, graafilise disaini, andmetöötluse ja mootorsõidukite tehisintellekti parandavate kogemuste uurimisel ja arendamisel.

Viimasel ajal on NVIDIA hakanud keskenduma tehisintellektile eraldiseisvalt, viimases projektis pöörati suurt tähelepanu olemasolevate fotode nutikale ümberkujutamisele gaussi algoritmide abil, et hinnata sadade selge ja häguse pildi vaheliste erinevuste lokaliseerimist, mis on kategoriseeritud temperatuuri ja tooni alusel, ja seejärel sisestada need väärtused üksikute uduste fotode regressiooniväljenditesse, et taanduda tagasi sellele, kuidas nende algsed selged kujutised oleksid võinud välja näha. See protsess viiakse läbi iga foto kohta eraldi ja summaarse väikseima erinevuse väärtuse saamiseks kasutatakse summeerimist.

NVIDIA kontor. Nasdaq Twitteris

Algoritm töötab varasematest katsetest õppimiseks, mida ekraanil olevad teatud värvid ja mustrid näitavad. Süsteemi väljatöötamisel oli see tuhandeid hägusaid ja originaalpilte, et masin saaks tuvastada, millised ekraanil olevad mustrid ja värvid vastavad originaalpildi soontele ja servadele. Mitu korda testitud, on NVIDIA suutnud õpetada oma AI kiipi õppima eelmistest katsetest ja salvestama sobitatud graafiliste koodide andmebaasi, mis konverteeritakse asukoha, tooni ja temperatuuri põhjal matemaatiliseks koodiks. Kasutades varasemaid kogemusi ning sama lookuse ja tooni uduste ja selgete piltide vahel loodud suhteid, lõheneb masin uute piltidega, kasutades valemeid, mis sobivad kõige paremini uue foto tooni ja temperatuuriga. NVIDIA on oma algoritmi läbinud piisavalt palju katseid, et omada piisavalt tugevat säilitamise andmebaasi, mida tehisintellekt saaks kasutada uuemate piltide kallal töötamisel ja mehhanism seisab nüüd iseseisvalt ning suudab tugevdava õppimise (RL) koolituse abil paljastada praktiliselt kõik pildid . Näiteks, kui masin on piisavalt palju nägusid paljastanud, saab see proovile pannes hägused näod selgeks saada, millised udused sooned vastavad tõepoolest millistele näojoonetele. Algoritmide andmebaasi on lisandunud ka kokkupuude erinevat tüüpi müraga, näiteks ülepingutatud, lubjatud, filtreeritud ja tekstuuriga piltidega.

Algoritmis matemaatiline keeles loeb programm vastavatel piltidel vastavaid rikutud ja selgeid lookusi, logides x, y, x ’ja y’ oma andmebaasi. Seejärel loob see gaussi regressioonikõvera, et sobitada nende kahe erinevused, mis võimaldavad muundamist üldise fotomüra põhjal. Loodud vähimruutude regressioonilauses võetakse väikseim tingimusele vastav väärtus ja joonistatakse uus gaussi väärtuse kõver. Pildi teisendamisel selle algsele selgele kvaliteedile muudetakse iga punkti temperatuuri tehisintellekti masina andmebaasis oleva regressioonimustri erinevuse põhjal, mis vastab konkreetsele värvile ja mustrile, ning iga punkt pööratakse ümber, et saada terve selge pilt. Gaussi kõvermehhanism mõjutab kõige müra kõige tavalisemaid vorme, kuid kui seade suudab tuvastada muid müra vorme, mida sageli seostatakse valesti ajastatud säriajaga või pildi üldise varjutusega, arvutatakse gaussi väikseima erinevuse väärtus keskmise väärtusega andmekogumi poissoni (esimese puhul) ja Bernoulli (teise puhul) väikseima erinevuse väärtused.

Tehisintellektiga abistatud foto ümberkujundamine. BT

Võhikute mõistes on tehisintellekti roll selles ainulaadsete fotode nutikas tuvastamine ja teisendamine seadme juba proovitud praktika põhjal. Mis puutub tänapäeval saavutatud tehisintellekti tasemesse, mis on endiselt etapis, kus see pole eriti iseseisev ja mille jõupingutused piirduvad juba praktiseeritud stsenaariumidega, on NVIDIA saavutanud palju masina loomisel, mis suudaks proovida ja uuesti luua nägemata fotod kõrgeima täpsusega, kohandades ja laiendades oma andmebaasi järjepidevalt, et parandada järgnevate fotode käibe edukust.