• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • El equipo de investigación explora un modelo para corregir el ruido en las fotos

    Crédito:CC0 Public Domain

    A esas fotos meh que son demasiado granuladas se les puede dar una nueva oportunidad de vida digital a través de un método elaborado por investigadores que encontraron una manera de reducir el ruido y los artefactos. El ruido en este contexto se refiere a la distorsión visual, como Aula de Cole dígalo:motas que se interponen en el camino para disfrutar de su imagen, los diminutos píxeles de colores, a veces parece "grano" en la fotografía de películas.

    El equipo discute su trabajo en su periódico, "Noise2Noise:aprendizaje de restauración de imágenes sin datos limpios". El documento está en arXiv. El equipo incluye afiliaciones con NVIDIA, Universidad Aalto y MIT.

    (Aalto U es una universidad en Finlandia y fue fundada en 2010 a partir de la fusión de la Universidad Tecnológica de Helsinki, la Escuela de Economía de Helsinki y la Universidad de Arte y Diseño de Helsinki.)

    "Este enfoque basado en el aprendizaje profundo ha aprendido a corregir fotos con solo mirar ejemplos de fotos corruptas, ", dijo una publicación en el Centro de noticias para desarrolladores de NVIDIA.

    "Una fotografía sin ruido requiere una exposición prolongada ... En este trabajo, observamos que bajo adecuado, circunstancias comunes, podemos aprender a reconstruir señales a partir de ejemplos corruptos, sin siquiera observar señales limpias, ya menudo hacemos esto tan bien como si estuviéramos usando ejemplos limpios ".

    Su trabajo fue presentado en ICML, que significa Conferencia Internacional sobre Aprendizaje Automático, en Suecia.

    Katyanna Quach explicó qué tiene de especial su trabajo:"Los algoritmos de visión por computadora ya se utilizan automáticamente para mejorar las instantáneas tomadas en teléfonos inteligentes como el Pixel 2 o el iPhone X". pero esto lleva las cosas más lejos, "ella escribió en El registro . "En lugar de alimentar las redes neuronales con un par de imágenes, donde uno es de alta calidad y el otro es borroso, este último modelo, apodado noise2noise, puede aprender a limpiar imágenes sin necesidad de ver ejemplos de alta resolución ".

    Método y enfoque:utilizaron GPU NVIDIA Tesla P100 con el marco de aprendizaje profundo TensorFlow acelerado por cuDNN. Entrenaron el sistema en 50, 000 imágenes en el conjunto de validación de ImageNet.

    Quach:"El equipo entrenó su modelo noise2noise en 50, 000 imágenes tomadas del conjunto de datos ImageNet y agregaron una distribución aleatoria de ruido a cada imagen. El sistema tiene que estimar la magnitud del ruido en la foto y eliminarlo ".

    Los autores dijeron:"Nuestras demostraciones de prueba de concepto señalan el camino hacia beneficios potenciales significativos en estas aplicaciones al eliminar la necesidad de una recopilación potencialmente extenuante de datos limpios. Por supuesto, no hay almuerzo gratis, no podemos aprender a seleccionar características que no están en los datos de entrada, pero esto se aplica igualmente al entrenamiento con objetivos limpios ".

    El método podría usarse para mejorar las imágenes de resonancia magnética, también. Esto llamó la atención de Brandon Hill en HotHardware . "NVIDIA y sus socios académicos no solo han utilizado Noise2Noise para ayudar a restaurar fotos granuladas, pero también lo están usando para escaneos de imágenes de resonancia magnética (MRI), lo que puede ser extremadamente beneficioso en el sector médico ".

    © 2018 Tech Xplore




    © Ciencia https://es.scienceaq.com