Je hoeft alleen maar de nieuwste Hollywood-kaskraker te bekijken of een nieuwe AAA-gametitel op te halen herinnerde eraan dat computergraphics kunnen worden gebruikt om oogverblindende, buitenaardse beelden te creëren wanneer ze worden opgeroepen voor. Maar enkele van de meest indrukwekkende voorbeelden van door machines gegenereerde afbeeldingen zijn niet noodzakelijkerwijs buitenaardse landschappen of gigantische monsters; het zijn beeldaanpassingen. dat wij het niet eens merken.
Dat is het geval met een nieuwe A.I. demonstratie gemaakt door computerwetenschappers in China. Dankzij een samenwerking tussen de Sun Yat-sen Universiteit in Guangzhou en het Microsoft Research-lab in Beijing hebben ze een slimme kunstmatige technologie ontwikkeld intelligentie die kan worden gebruikt om lege gebieden in een afbeelding nauwkeurig in te vullen: of dat nu een ontbrekend gezicht is of de voorkant van een gebouw.
Aanbevolen video's
De techniek, genaamd inpainting, maakt gebruik van deep learning-technologie om deze ruimtes op te vullen door te kopiëren beeldvlakken op de rest van de foto, of door nieuwe gebieden te genereren die er overtuigend uitzien nauwkeurig. De tool, die door de makers PEN-Net (Pyramid-context ENcoder Network) wordt genoemd, voert dit beeldherstel uit door “contextuele semantiek te coderen op basis van invoer met volledige resolutie en het decoderen van de geleerde semantische kenmerken terug in beelden.” De resulterende Attention Transfer Network (ATN)-afbeeldingen zijn niet alleen indrukwekkend realistisch, maar de tool werkt ook zeer snel leren.
Verwant
- De AI-beelddetectietool van Google voelt alsof het zou kunnen werken
- Microsoft stopt met zijn griezelige, emotielezende A.I.
- Analoge AI? Het klinkt gek, maar het zou de toekomst kunnen zijn
"[In dit werk hebben we] een diep generatief model voorgesteld voor hoogwaardige beeldinschildertaken," Yanhong Zeng, een hoofdauteur van het project, die verbonden is aan zowel de School of Data van Sun Yat-sen University als Computerwetenschappen en Key Laboratory of Machine Intelligence en Advanced Computing, vertelden Digital Trends. “Ons model vult ontbrekende gebieden op alle niveaus, van diep tot ondiep, op basis van een cross-layer aandachtsmechanisme, zodat zowel structuur- als textuurcoherentie kan worden gewaarborgd in de inschilderingsresultaten. We zijn blij om te zien dat ons model in staat is duidelijkere texturen en redelijkere structuren te genereren dan eerdere werken.”
Zoals Zeng opmerkt, is dit niet de eerste keer dat onderzoekers tools hebben ontwikkeld om inpainting uit te voeren. Het PEN-Net-systeem van het team laat echter indrukwekkende resultaten zien naast de klassieke PatchMatch-methode en zelfs andere ultramoderne benaderingen.
“Beeld-in-schilderen heeft een breed scala aan toepassingen in ons dagelijks leven”, vervolgde Zeng. “We zijn nu van plan om onze technologie toe te passen in beeldbewerking – vooral voor het verwijderen van objecten [en] het restaureren van oude foto’s.”
Een paper waarin het werk wordt beschreven, getiteld ‘Learning Pyramid-Context Encoder Network for High-Quality Image Inpainting’, is beschikbaar om verder te lezen. opslagplaats voor voorgedrukt papier Arxiv.
Aanbevelingen van de redactie
- Deze nieuwe Photoshop-tool kan AI-magie aan uw afbeeldingen toevoegen
- Ik pitchte mijn belachelijke startup-idee voor een robot-VC
- Zoom's AI technologie om emoties te detecteren tijdens gesprekken maakt critici van streek
- De grappige formule: waarom door machines gegenereerde humor de heilige graal is van A.I.
- Nvidia's nieuwste A.I. De resultaten bewijzen dat ARM klaar is voor het datacenter
Upgrade uw levensstijlMet Digital Trends kunnen lezers de snelle technische wereld in de gaten houden met het laatste nieuws, leuke productrecensies, inzichtelijke redactionele artikelen en unieke sneak peeks.
