{"id":2175,"url":"\/distributions\/2175\/click?bit=1&hash=803b6e1bcbd9dfc4ba9456fda887a878c80d24df8d3a575913b14876e18923a5","title":"TJ \u0437\u0430\u043a\u0440\u043e\u0435\u0442\u0441\u044f 10 \u0441\u0435\u043d\u0442\u044f\u0431\u0440\u044f \u2014\u00a0\u043f\u0440\u043e\u0447\u0438\u0442\u0430\u0439\u0442\u0435 \u0430\u043d\u043e\u043d\u0441 \u0441 \u0434\u0435\u0442\u0430\u043b\u044f\u043c\u0438","buttonText":"\u0427\u0438\u0442\u0430\u0442\u044c","imageUuid":"d1d355d8-93a3-5140-aeae-14b03046b760","isPaidAndBannersEnabled":false}

Nvidia разработала искусственный интеллект для доработки деталей изображений Статьи редакции

Идеальный способ убрать недостатки кожи лица или удалить вотермарку.

Компания Nvidia разработали технологию на базе искусственного интеллекта, которая автоматически восстанавливает повреждённые фрагменты изображения или заполняет его недостающие части. Алгоритм нейронной сети понимает контекст фотографии или картинки, и самостоятельно изменяет его.

Метод, называемый «подрисовыванием изображения», похож на функцию «автоматическая заливка с учётом содержимого» (Content-Aware Autofill), которую Adobe добавила в Photoshop CS5 в конце 2000-х годов. Технология также восстанавливала удалённую часть изображения на основе фона фотографии.

Предыдущие подходы к глубинному обучению были сосредоточены на прямоугольных областях, расположенных вокруг центра изображения, и часто предполагали дорогостоящую постобработку. Наша модель может эффективно обрабатывать области любой формы, размера или расстояния от границ изображения.

пресс-служба Nvidia

Кроме того, в конце 2017 года команда исследователей из «Яндекса» и Оксфордского университета разработала аналогичный алгоритм под названием Deep Image Prior. Технология представляет собой нейронную сеть, умеющую реставрировать повреждённые и низкокачественные изображения.

Алгоритм от Nvidia умеет обрабатывать области различных форм и размеров. Исследователи компании подчеркнули, что обучили нейронную сеть, используя более 55 тысяч фотошаблонов. Они применялись для удаления некоторых деталей из исходных изображений. Затем алгоритму показывали вырезанный фрагмент и его первоначальную форму, чтобы научить его, как восстановить недостающие пиксели.

В конце испытаний разработчики подтвердили точность своего алгоритма с помощью ещё 25 тысяч фотошаблонов. В этот раз нейронной сети не показывали оригинальное изображение, заставив её самостоятельно восстановить недостающие части.

0
15 комментариев
Написать комментарий...
Советский ящик
Ответить
Развернуть ветку
Газетный чайник

какое-то у него лицо странное. это не ющенко случаем?

Ответить
Развернуть ветку
Газетный чайник

какой пиздец, из хорошего дедульки-миллиардера сделали борьку моисеева

Ответить
Развернуть ветку
Научный дебаркадер

Комментарий недоступен

Ответить
Развернуть ветку
Немой месяц

Кидай мне, я передам

Ответить
Развернуть ветку
Газетный чайник

давай мы просто скинемся тебе, а передашь ты их медсестре за кассой в психдиспансере?

Ответить
Развернуть ветку
Немой месяц

Сестра твоя мамка чтоли, я так и знал

Ответить
Развернуть ветку
Газетный чайник

мало того, что моя мама сестра, она еще и брат

Ответить
Развернуть ветку
Пышный Кирилл

Привет, бомжара

Ответить
Развернуть ветку
Аккуратный корабль
Ответить
Развернуть ветку
Проектный Слава
команда исследователей из «Яндекса» и Оксфордского университета разработала аналогичный алгоритм

У вас ссылка на эту же статью идет

Ответить
Развернуть ветку
Немой месяц

Давайте называть вещи своими именами а не патентованными маркетинговыми названиями. Это называется Inpaint

Ответить
Развернуть ветку
Проектный Слава
Healing Brush
Ответить
Развернуть ветку
Широкий танк88

Комментарий недоступен

Ответить
Развернуть ветку
Свободный франт

Начинаю скачивать фотки с моря всех знакомых девушек

Ответить
Развернуть ветку
Читать все 15 комментариев
null