Detta neurala nätverk kan göra dina suddiga bilder perfekt kvalitet igen

Det finns inget värre än att öppna en bild på din dator för att finna att den är så kornig att du inte ens kan börja göra det.

Vissa människor kan säga att få en bättre kamera. Dessa människor är genomsnittliga. Men datavetenskapare - de bra, hjälpsamma människorna - säger att använda ett neuralt nätverk, ett datorsystem som är utformat för att efterlikna tanken på den mänskliga hjärnan.

Tre datavetenskapare från Oxford University och Skolkovo Institute of Science and Technology i Moskva som specialiserar sig på datasyn har utvecklat ett neuralt nätverk som kan göra det oanvändbart pixelerade fotot av avokado toast till en bild som är perfekt Instagrammable. De kallar det Deep Image Prior.

Neurala nätverk är löst modellerade för att likna en mänsklig hjärna. De består av tusentals noder som de använder för att fatta beslut och bedömningar om de uppgifter som presenteras för dem. Precis som småbarn börjar de inte veta något annat än efter ett par tusen träningssessioner kan de snabbt bli bättre än människor vid vardagliga uppgifter.

Många neurala nätverk utbildas genom att ge dem stora dataset, vilket ger dem en enorm informationskälla för att dra av när det gäller att fatta beslut.

Deep Image Prior tar ett annat tillvägagångssätt. Det fungerar allt från bara den enda ursprungliga bilden, utan att behöva någon tidigare träning innan den kan göra din skitna, skadade bild tillbaka till en högbildningsskott.

De tre datavetenskaparna använde ett generatornätverk för att återskapa suddig bild tusentals gånger tills det blir så bra att det skapar en bättre bild än originalet. Den använder den befintliga inmatningen som kontext för att fylla i de saknade eller skadade delarna. Några av resultaten var ännu bättre än produktionen från förutbildade neurala nätverk.

"Nätverket fyller de korrumperade regionerna med texturer från närliggande", sa Dmitry Ulyanov en medförfattare av forskningen i en reddit-post.

Han medgav att det finns några fall där nätverket skulle misslyckas, såsom komplexiteten att rekonstruera det mänskliga ögat: "Det uppenbara misslyckandet skulle vara något som är relaterat till semantisk inmålning, t.ex. inmåla en region där du förväntar dig att vara ett öga - vår metod vet ingenting om ansiktsemantik och kommer att fylla den korrumperade regionen med några texturer."

Bortsett från att återställa foton kunde även Deep Image Prior framgångsrikt ta bort text placerad över bilder. Vilket väcker oroen att denna modell kan användas för att ta bort vattenmärken eller annan upphovsrättsinformation från bilder online. En verklig möjlighet som kanske ignorerades under denna forskning.

Detta experiment visar att du inte behöver tillgång till en kolossal dataset för att skapa ett fungerande neuralt nätverk. Utöver allt det här kan göra för din fotomapp, kan det bli det här projektets mest varaktiga bidrag.