In het laatste jaar dat ten einde loopt, hebben we gezien hoe de grootste merken mobiele telefoons zich steeds meer hebben gericht op de fotografische sector van de apparaten: er is niet alleen gesproken over een beste camera gemonteerd op het beste apparaat, maar van algoritmen die kunnen worden gebruikt door kunstmatige intelligentie op zelfs de meest "gedateerde" apparaten. Xiaomi bijvoorbeeld, zoals we hebben gemeld qui, heeft zich gericht op de overname (gedeeltelijk) van Meitu dat hij veel schoonheidsalgoritmen en beeldpatenten tot zijn beschikking heeft; dit, in combinatie met de superconcurrerende prijzen van Xiaomi, zal zeker leiden tot een verbetering van de softwarekunstmatige intelligentie gewijd aan de fotografische sector. Maar het nieuws van vandaag is een ander: na een crossstudie "DeepExposure: leer hoe je foto's blootlegt door antagonistisch leren op een versterkte asynchrone manier" van Peking Universityde Zuid-Chinese Normale Universiteit en Xiaomi-technici we zijn tot een verbluffend resultaat gekomen. Met de DeepExposure, Xiaomi verbetert de belichting van de foto's via AI, zonder problemen van onder- en overbelichting.
DeepExposure: Xiaomi verbetert de belichting van foto's via AI
De onderzoekers van de Xiaomi Lab beschrijf een oplossing voor het blootstellingsdilemma in 'voornoemd artikel, geaccepteerd a Montreal 2018 Neurips, een evenement dat dit jaar plaatsvindt van 3 tot december 9. Dit artikel beschrijft een AI-systeem dat in staat is om de afbeelding te segmenteren in meer "subafbeeldingen", elk geassocieerd met een bepaalde belichting. De fusie van deze onderbeelden met verschillende belichtingen (van beneden naar overbelicht) leidt tot een foto die heel dicht bij het beeld komt dat door het menselijk oog wordt waargenomen. De onderzoekers zeiden:
"Nauwkeurige belichting is essentieel voor het maken van foto's van hoge kwaliteit in computationele fotografie, met name voor mobiele telefoons die worden beperkt door de grootte van cameramodules. Geïnspireerd door de helderheidsmaskers die meestal worden toegepast door professionele fotografen, ontwikkelen we in dit artikel een nieuw algoritme voor het leren van blootstellingen met antagonistisch diepversterkend leren ".
De techniek waarmee u verschillende instructies parallel kunt uitvoeren om de prestaties van de. Te verbeterenIA, bijgenaamd DeepExposure , start het beeldsegmentatie. Hieronder vindt u een fase waarin invoer, subafbeeldingen en afbeeldingsfusie met lage resolutie worden samengevoegd en verwerkt. Hierna gaat het algoritme over naar één afwerkingsfase waarin men de algemene kwaliteit evalueert. Tot slot, de subafbeeldingen worden gemengd tot de laatste foto. DeepExposureOp deze manier werkend, slaagde ze erin om de meeste details en stijlen in de originele afbeeldingen te herstellen, terwijl ze de helderheid en kleuren verbeterde.
Om dit experiment te implementeren, Xiaomi gebruikte het kader TensorFlow open source ontwikkeld door Kopen Google Reviews, een reeks GPU Nvidia P40 Tesla en een reeks afbeeldingen MIT-Adobe FiveK. De innovatieve methode van DeepExposure dient als een brug tussen diepgaande leermethoden en traditionele filtermethoden: de methoden van deep-learning wordt gebruikt om filterparameters te leren, wat het filteren van traditionele methoden nauwkeuriger maakt. Traditionele methoden verminderen de trainingstijd deep-learning methoden omdat pixelfiltering veel sneller is dan die van nieuwe technologieën.
Voor Xiaomi worden na de overname van Meitu's algoritmen en schoonheidfilters vonken verwacht voor de fotografische sector. Zullen we naar een tijdperk komen waar mirrorless en spiegelreflexcamera's niet langer nodig zijn? Wat denk je? Schrijf het ons in de comments
