توانایی هوش‌مصنوعی برای گرفتن تصاویر بهتر

هوش مصنوعی برای عکاسی در نور کم  در این زمان وارد عمل می‌شود و دری را به سوی عکاسی با کیفیت بالا در ISO پایین و سرعت شاتر بالا باز می‌کند.

یک گروه از پژوهشگران دانشگاه Illinois Urbana-Champaign و شرکت Intel یک مقاله با عنوان ‘Learning to See in the Dark’ (یاد بگیرید که در تاریکی ببینید) منتشر کرده‌اند.

در این مقاله توضیح داده می‌شود که چگونه یک هوش مصنوعی برای عکاسی در نور کم را آموزش داده‌اند تا فرآیند پردازش تصویر را در نور کم انجام دهد و نتایجی تولید کند که بسیار واضح تر و قابل استفاده تر از روش‌های قدیمی عکاسی در سرعت ISO بالا است.

این تیم یک مجموعه از زوج تصاویر را در کنار هم قرار داده اند، هر زوج شامل یک تصویر RAW با نوردهی کوتاه و یک نسخه از نوردهی طولانی است.

تصاویر با نوردهی کوتاه (اساساً سیاه) در پشت هر تصویر با نوردهی طولانی قرار گرفته است و به عنوان مرجع مورد استفاده قرار گرفته است.

سپس یک شبکه‌ی عصبی به وسیله‌ی این زوج تصاویر، آموزش داده شده‌است تا بیاموزد چگونه معادل نوردهی طولانی، یک عکس RAW دارای نوردهی پایین، را بازسازی کند.

نتایج قابل توجه است: تصاویر خامی که با هوش مصنوعی برای عکاسی در نور کم آموزش داده شده پردازش می‌شوند، قادر به تولید تصاویری با نویزهای کمتر هستند.

همچنین تولید رنگ‌ها بسیار بهتر از تصاویری که با از ISO بالا و با استفاده از روش های قدیمی پردازش شده اند، می‌باشد.

مثال 1:

یک عکس که توسط دوربین با ISO 8000 گرفته شده است.

همان صحنه قبلی، نتیجه ی حاصل از دوربین با ISO 409600.

نتیجه ی حاصل از ارسال تصویر با ISO 8000 به سیستم هوش مصنوعی جدید.

مثال2:

بکارگیری مراحل و مقیاس بندی قدیمی، Fuji X-T2, ISO 640, f/8, 1/30s

همان اطلاعات خام که توسط هوش مصنوعی پردازش شده است.

مثال 3:

بکارگیری مراحل و مقیاس بندی قدیمی، Sony a7S II, ISO 2000, f/9, 1/10s

همان اطلاعات خام که توسط هوش مصنوعی پردازش شده است.

مثال 4:

بکارگیری مراحل و مقیاس بندی قدیمی، Sony a7S II, ISO 2000, f/9, 1/10s

همان اطلاعات خام که توسط هوش مصنوعی پردازش شده است.

مثال 5:

بکارگیری مراحل و مقیاس بندی قدیمی، Sony a7S II, ISO 2000, f/9, 1/10s

همان اطلاعات خام که توسط هوش مصنوعی پردازش شده است.

مثال 6:

بکارگیری مراحل و مقیاس بندی قدیمی، Sony a7S II, ISO 2000, f/9, 1/10s

همان اطلاعات خام که توسط هوش مصنوعی پردازش شده است

شما می‌توانید با مراجعه به وب سایت مربوط به این پروژه‌ی پژوهشی مثال‌های ترکیبی بیشتری را پیدا کنید. اگر علاقه دارید که در مورد اطلاعات فنی و جزئیات آزمایش ها اطلاعات بیشتری کسب کنید مقاله‌ی مربوطه را مطالعه نمایید.

پژوهشگران می‌نویسند: ” آزمایشات نتایج امیدوار کننده‌ای از حذف موفقیت آمیز نویزها و انتقال صحیح رنگ‌ها، نشان می‌دهند.” اما آن‌ها به این نکته توجه دارند که این تنها نوک کوه یخ است. این آزمایش‌ها زمینه را برای کارهای بیشتر فراهم می‌کند که از جمله‌ی آن‌ها می‌توان به داشتن یک هوش مصنوعی که بتواند بجای تقویت نسبی کیفیت تصاویر، به صورت اتوماتیک مقدار ISO را به دست آورد، اشاره کرد.