Pixelmator يُقدم تقنية Super Resolution مدعومة بالذكاء الاصطناعي لمستخدميه

أعلنت Pixelmator مؤخرًا عن تمكين مالكي تطبيق Pixelmator Pro، وهو تطبيق لتعديل الصور، من استخدام أداة Super Resolution مدعومة بالذكاء الاصطناعي.

تتيح تقنية Super Resolution تحسين الصور الضبابية وذات الدقة المنخفضة، وتحسين دقة الصورة.能够 تقنية Super Resolution إلى تحسين الصور بشكل مثير للإعجاب، وأحيانًا ما تثير الترويجات الشائعة في برامج الجريمة. أعلنت Pixelmator مؤخرًا عن إضافة أداة “ML Super Resolution” إلى الإصدار الاحترافي من برنامج تحرير الصور. يمكن مشاهدة بعض النتائج التي قدمتها Pixelmator هنا。

أظهرت الاختبارات المبكرة للأداة أنها قادرة على تقليل الضبابية في أنواع متعددة من الصور، بما في ذلك النصوص والصور والرسومات. كما ذكر The Verge، فإن النتائج التي أنتجها البرنامج تبدو أفضل من أدوات تعزيز الصور الأخرى، والتي غالبًا ما تستخدم خوارزميات مثل Nearest Neighbors وBilinear.

تم دفع البحث حول تقنية Super Resolution من قبل شركات تكنولوجيا متعددة مثل Google (GOOGL ) وMicrosoft (MSFT ) وNvidia. صممت الشركات عدة خوارزميات لتقنية Super Resolution، ولكن الطريقة المستخدمة لتدريب أجهزة Super Resolution تستخدم نفس المبادئ الأساسية.

تتم تدريب أداة ML Super Resolution وأدوات Super Resolution الأخرى باستخدام أزواج من الصور منخفضة الدقة وعالية الدقة. عادة ما تكون الصور منخفضة الدقة نسخًا مخفضة الحجم من الصور العادية عالية الدقة. يتم إجراء مقارنات بين الصور منخفضة الدقة وعالية الدقة، وتتعلم خوارزميات التعلم الآلي كيف تختلف مناطق البكسل في الصور عالية الدقة عن الصور منخفضة الدقة. الهدف هو أن تتعلم الشبكات العصبية أنماط البكسل التي ستؤدي إلى صورة بدقة أعلى. يمكنها بعد ذلك استخدام هذه الأنماط من الفرق لتنبؤ بمكان إضافة البكسل إلى صورة لتحسين دقتها عند تقديم صورة غير موصوفة.

يمكن إنشاء تطبيقات Super Resolution باستخدام طرق متعددة. على سبيل المثال، طريقة واحدة لتقنية Super Resolution هي استخدام Generative Adversarial Networks (GANs). GANs هي في الواقع شبكتان عصبietان متعارضتان، تستخدم مفاهيم من نظرية الألعاب مثل لعبة الصفر والنموذج الناقد. بشكل أساسي، مهمة الشبكة العصبية الأولى هي إنشاء صور وهمية، بينما مهمة الشبكة الأخرى هي اكتشاف هذه الصور الوهمية. الشبكة التي تُنشئ الوهمية تسمى المولد، بينما الشبكة التي تكتشفها تسمى المناهض.

في حالة أداة Super-Resolution من Pixelmator، تم إنشاء شبكة عصبية متعمقة قامت أيضًا بتنفيذ كتلة “توسيع” التي تعمل على توسيع الصورة بعد مسح 29 طبقة من التماسك. ثم يتم معالجة مصفوفة الصورة المُوسعة ومعالجتها مرة أخرى إلى صورة تقليدية ذات دقة محسنة. تحتوي الشبكة أيضًا على وظائف لتنقية الصورة ومعالجة أثر الضغط، بحيث لا يتم تعزيز هذه الجوانب من الصورة. خوارزميات Pixelmator أصغر بكثير من الخوارزميات المستخدمة في بيئات البحث، من أجل أن يتم تضمينها في تطبيق Pixelmator Pro وتنفيذها على مجموعة من الأجهزة. قاعدة البيانات المستخدمة لتدريب الخوارزميات صغيرة نسبيًا مقارنة بقواعد البيانات الأخرى المستخدمة للتطبيقات المماثلة، حيث تم استخدام 15000 عينة فقط لتدريب الخوارزميات.

وفقًا لـ The Verge، هناك أدوات Super Resolution أخرى متاحة للاستخدام من قبل المستهلكين. على سبيل المثال، لدى Adobe (ADBE ) أيضًا أداة Super Resolution الخاصة به في مجموعة Adobe Camera، ولكن أداة Pixelmator تُنتج صورًا ذات جودة عالية بشكل أكثر تواترا.