A NASA űrfotóinak újrafelkészítése, hogy egyértelműbb eredményt kapjon. Űrhajózás most
Az NVIDIA már régóta ismert makulátlan grafikus processzorairól (GPU), fő terméke az NVIDIA GeForce kártya. Ezzel a vállalat mindig a videojátékok, a grafikai tervezés, az adatfeldolgozás és a gépjárművek mesterséges intelligenciáját fokozó tapasztalatok kutatásában és fejlesztésében állt.
Az utóbbi időben az NVIDIA a mesterséges intelligenciára összpontosítva kezdett el, a legutóbbi projektje nagy hangsúlyt fektetett a már létező fényképek intelligens újraképezésére gauss algoritmusok segítségével, hogy értékelje a hőmérséklet és az árnyalat alapján kategorizált tiszta és elmosódott képek százainak legkevesebb különbségét, majd beírja ezeket az értékeket az egyes elmosódott fotók regressziós kifejezéseibe, hogy visszatérjen az eredeti tiszta képeik kinézetéhez. Ezt a folyamatot külön-külön hajtják végre a fénykép minden pontján, és összegzéssel generálnak egy általános legkisebb különbségértéket.
NVIDIA Office. Nasdaq a Twitteren
Az algoritmus a múltbeli próbálkozásokból tanul arra, hogy mit jeleznek a képernyőn megjelenő bizonyos színek és minták. A rendszer kifejlesztésekor több ezer elmosódott és eredeti kép volt, hogy a gép meg tudja határozni, hogy a képernyőn megjelenő minták és színek melyik horonynak és élnek felelnek meg az eredeti képen. Sokszor tesztelve az NVIDIA-nak sikerült megtanítania AI chipjét, hogy tanuljon a korábbi kísérletekből, és tárolja az egyező grafikus kódok adatbázisát, amelyeket matematikai kódokká alakítanak át a hely, az árnyalat és a hőmérséklet alapján. A korábbi tapasztalatok, valamint az azonos lokusz és árnyalat homályos és tiszta képei között kialakult kapcsolatok felhasználásával a gép új képekkel reped fel, alkalmazva azokat a képleteket, amelyek a legjobban megfelelnek az új fotó színének és hőmérsékletének. Az NVIDIA elég kipróbálta algoritmusát ahhoz, hogy elég erős retenciós adatbázissal rendelkezzen, amelybe az AI belekerülhet, amikor újabb képeket dolgoz fel, és a mechanizmus most már önmagában áll, és gyakorlatilag bármilyen képet képes feltárni a megerősítő tanulás (RL) képzésével . Például elegendő arc felfedése után a gép elmosódott arcokat képes előállítani, amikor próbára teszik, mivel megérti, hogy az elmosódott barázdák valójában mely arcvonásoknak felelnek meg. Különböző zajoknak, például túlfeszített, meszelt, szűrt és texturált képeknek való kitettség hozzáadta az algoritmusok adatbázisát is.
Az algoritmusban matematikai nyelven, a program beolvassa a megfelelő sérült és tiszta lókuszokat a megfelelő képeken, naplózva x, y, x ’és y’ adatbázisába. Ezután létrehoz egy gauss regressziós görbét, hogy megfeleljen a kettő közötti különbségeknek, amelyek lehetővé teszik az átalakulást az általános fényképészeti zaj alapján. A generált legkisebb négyzetes regressziós kifejezésben a feltételnek megfelelő legkisebb értéket vesszük fel, és a gauss-érték új görbéjét ábrázoljuk. A kép eredeti tiszta minőségre történő visszaalakításakor minden pont hőmérséklete megváltozik az AI gép adatbázisában az adott színnek és mintának megfelelő regressziós mintázat különbsége alapján, és minden pontot átforgatva egy teljes tiszta képet kapunk. A gauss görbület mechanizmusa a zaj legáltalánosabb formáiban érvényes, de ha az eszköz képes azonosítani a zaj egyéb formáit, amelyeket gyakran rosszul beállított zársebességnek vagy az kép általános árnyékolásának tulajdonítanak, a gaussian legkevesebb különbség értékét a az adatkészlet poisson (előbbi esetében) és Bernoulli (utóbbi esetében) legkisebb különbségértéke is.
Mesterséges intelligencia által támogatott fénykép újrafelkészítés. BT
A laikusok szempontjából a mesterséges intelligencia ebben játszik szerepet az egyedi fotók intelligens felismerésében és átalakításában az eszköz által már megkísérelt gyakorlati készlet alapján. Ami a mesterséges intelligencia ma elért szintjét illeti, amely még mindig olyan szakaszban van, ahol nem különösebben független, és erőfeszítései a már gyakorlott forgatókönyvek körére korlátozódnak, az NVIDIA nagyot ért el olyan gép létrehozásában, amely megkísérelheti és újraalkothatja láthatatlan fotók a legnagyobb pontossággal azáltal, hogy következetesen adaptálják és kibővítik az adatbázisát, hogy javítsák a későbbi fényképes forgalom sikerességi arányát.
