Du trenger bare å sjekke ut den nyeste Hollywood-filmen eller kjøpe en ny AAA-spilltittel minnet om at datagrafikk kan brukes til å lage noen blendende overjordiske bilder når de kalles til. Men noen av de mest imponerende eksemplene på maskingenererte bilder er ikke nødvendigvis fremmede landskap eller gigantiske monstre, de er bildemodifikasjoner som vi ikke engang legger merke til.
Det er tilfellet med en ny A.I. demonstrasjon laget av informatikere i Kina. Et samarbeid mellom Sun Yat-sen University i Guangzhou og Beijings Microsoft Research lab, har de utviklet en smart kunstig intelligens som kan brukes til å fylle ut tomme områder nøyaktig i et bilde: Enten det er et manglende ansikt eller forsiden av en bygning.
Anbefalte videoer
Teknikken kalles inpainting, og bruker dyplæringsteknologi for å fylle disse områdene enten ved å kopiere bildelapper på resten av bildet, eller ved å generere nye områder som ser overbevisende ut korrekt. Verktøyet, som av skaperne refereres til som PEN-Net (Pyramid-context ENcoder Network), utfører denne bildegjenopprettingen ved å "kode kontekstuell semantikk fra fulloppløsningsinndata og dekoder de lærte semantiske egenskapene tilbake til bilder." De resulterende bildene fra Attention Transfer Network (ATN) er ikke bare imponerende realistiske, men verktøyet er også veldig raskt å lære.
I slekt
- Googles AI-bildegjenkjenningsverktøy føles som om det kan fungere
- Microsoft slutter med sin skumle, følelseslesende A.I.
- Analog A.I.? Det høres sprøtt ut, men det kan være fremtiden
"[I dette arbeidet foreslo vi] en dyp generativ modell for høykvalitets bildemalingsoppgaver," Yanhong Zeng, en hovedforfatter på prosjektet, som er tilknyttet både Sun Yat-sen Universitys School of Data og Datavitenskap og nøkkellaboratorium for maskinintelligens og avansert databehandling, fortalte Digital Trends. "Vår modell fyller manglende områder fra dype til grunne på alle nivåer, basert på en oppmerksomhetsmekanisme på tvers av lag, slik at både struktur og tekstursammenheng kan sikres i malingsresultater. Vi er glade for å se at modellen vår er i stand til å generere klarere teksturer og mer fornuftige strukturer enn tidligere arbeider.»
Som Zeng bemerker, er dette ikke første gang forskere har utviklet verktøy for å utføre innmaling. Imidlertid viser teamets PEN-Net-system imponerende resultater ved siden av den klassiske metoden PatchMatch og til og med andre toppmoderne tilnærminger.
"Bildemaling har et bredt spekter av bruksområder i vårt daglige liv," fortsatte Zeng. "Vi planlegger nå å bruke teknologien vår i bilderedigering - spesielt for fjerning av objekter [og] restaurering av gamle bilder."
En artikkel som beskriver arbeidet, med tittelen "Learning Pyramid-Context Encoder Network for High-Quality Image Inpainting," er tilgjengelig for å lese på fortrykkspapirlager Arxiv.
Redaktørenes anbefalinger
- Dette nye Photoshop-verktøyet kan bringe AI-magi til bildene dine
- Jeg presenterte min latterlige oppstartside til en robot-VC
- Zooms A.I. teknologi for å oppdage følelser under samtaler opprører kritikere
- Den morsomme formelen: Hvorfor maskingenerert humor er den hellige gral til A.I.
- Nvidias siste A.I. resultater viser at ARM er klar for datasenteret
Oppgrader livsstilen dinDigitale trender hjelper leserne å følge med på den fartsfylte teknologiverdenen med alle de siste nyhetene, morsomme produktanmeldelser, innsiktsfulle redaksjoner og unike sniktitter.
