Sie müssen sich nur den neuesten Hollywood-Blockbuster ansehen oder sich einen neuen AAA-Spieletitel holen erinnerte daran, dass Computergrafiken verwendet werden können, um bei Aufruf einige schillernde, jenseitige Bilder zu erzeugen für. Aber einige der beeindruckendsten Beispiele für maschinell erzeugte Bilder sind nicht unbedingt fremde Landschaften oder riesige Monster, sondern Bildmodifikationen dass wir es gar nicht bemerken.
Das ist bei einer neuen KI der Fall. Demonstration, die von Informatikern in China erstellt wurde. In Zusammenarbeit zwischen der Sun Yat-sen-Universität in Guangzhou und dem Microsoft Research Lab in Peking haben sie ein intelligentes künstliches Gerät entwickelt Intelligenz, mit der leere Bereiche in einem Bild präzise ausgefüllt werden können: Egal, ob es sich um ein fehlendes Gesicht oder die Fassade eines Gebäudes handelt.
Empfohlene Videos
Die als Inpainting bezeichnete Technik nutzt Deep-Learning-Technologie, um diese Räume entweder durch Kopieren zu füllen Bildfelder auf dem Rest des Bildes zu entfernen oder neue Bereiche zu generieren, die überzeugend aussehen genau. Das Tool, das von seinen Entwicklern als PEN-Net (Pyramid-context ENcoder Network) bezeichnet wird, führt diese Bildwiederherstellung durch, indem es „kontextuelle Semantik aus Eingaben in voller Auflösung kodiert und.“ die erlernten semantischen Merkmale wieder in Bilder zu dekodieren.“ Die resultierenden ATN-Bilder (Attention Transfer Network) sind nicht nur beeindruckend realistisch, sondern das Tool ist auch sehr schnell lernen.
Verwandt
- Das KI-Bilderkennungstool von Google scheint funktionieren zu können
- Microsoft gibt seine gruselige, emotionslesende KI auf.
- Analoge KI? Es klingt verrückt, aber es könnte die Zukunft sein
„[In dieser Arbeit haben wir] ein tiefes generatives Modell für hochwertige Bild-Inpainting-Aufgaben vorgeschlagen.“ Yanhong Zeng, ein Hauptautor des Projekts, der sowohl mit der School of Data der Sun Yat-sen University als auch verbunden ist Informatik und Schlüssellabor für maschinelle Intelligenz und fortgeschrittenes Computing, sagte Digital Trends. „Unser Modell füllt fehlende Bereiche von tief bis flach auf allen Ebenen auf, basierend auf einem schichtübergreifenden Aufmerksamkeitsmechanismus, sodass sowohl Struktur- als auch Texturkohärenz in den Inpainting-Ergebnissen sichergestellt werden können.“ Wir freuen uns, dass unser Modell in der Lage ist, klarere Texturen und vernünftigere Strukturen als frühere Arbeiten zu erzeugen.“
Wie Zeng anmerkt, ist dies nicht das erste Mal, dass Forscher Werkzeuge zur Durchführung von Inpainting entwickelt haben. Das PEN-Net-System des Teams zeigt jedoch neben der klassischen Methode PatchMatch und sogar anderen hochmodernen Ansätzen beeindruckende Ergebnisse.
„Bildmalerei hat ein breites Anwendungsspektrum in unserem täglichen Leben“, fuhr Zeng fort. „Wir planen jetzt, unsere Technologie in der Bildbearbeitung einzusetzen – insbesondere für die Entfernung von Objekten [und] die Restaurierung alter Fotos.“
Ein Artikel mit dem Titel „Learning Pyramid-Context Encoder Network for High-Quality Image Inpainting“ beschreibt die Arbeit und kann weitergelesen werden Preprint-Papier-Repository Arxiv.
Empfehlungen der Redaktion
- Dieses neue Photoshop-Tool könnte Ihren Bildern KI-Magie verleihen
- Ich habe meine lächerliche Startup-Idee einem Roboter-VC vorgestellt
- Zooms K.I. Technologie zur Erkennung von Emotionen bei Anrufen verärgert Kritiker
- Die lustige Formel: Warum maschinengenerierter Humor der heilige Gral der KI ist
- Nvidias neueste A.I. Die Ergebnisse beweisen, dass ARM bereit für das Rechenzentrum ist
Werten Sie Ihren Lebensstil aufDigital Trends hilft Lesern mit den neuesten Nachrichten, unterhaltsamen Produktrezensionen, aufschlussreichen Leitartikeln und einzigartigen Einblicken, den Überblick über die schnelllebige Welt der Technik zu behalten.
