Modelos y plataformas de IA
Pixelmator Incorpora Super Resolución Impulsada por IA para sus Usuarios
Añade Unite.AI a tus fuentes preferidas en Google
Pixelmator ha habilitado recientemente a los propietarios de Pixelmator Pro, una aplicación de manipulación de fotos, para utilizar una herramienta de super resolución impulsada por IA.
La super resolución permite mejorar la resolución de las imágenes borrosas y de baja resolución. La tecnología de super resolución puede afilar las imágenes con un efecto impresionante, a menudo evocando el tropo de “mejorar” que se ve a menudo en los programas de crimen. Pixelmator anunció recientemente la inclusión de su herramienta “ML Super Resolución” en la versión Pro de su software de edición de fotos. La demostración de Pixelmator de algunos de los resultados se puede ver aquí.
Las pruebas iniciales de la herramienta muestran que es capaz de reducir el desenfoque en varios tipos de imágenes, incluyendo texto, fotografías e ilustraciones. Según The Verge, los resultados creados por el programa también parecen ser mejores que otras herramientas de escalado de imágenes, que a menudo utilizan algoritmos como Nearest Neighbors y Bilinear.
La investigación sobre la super resolución ha sido impulsada por varias empresas de tecnología como Google (GOOGL ), Microsoft (MSFT ) y Nvidia. Varias empresas han diseñado sus propios algoritmos de super resolución, pero el método utilizado para entrenar los dispositivos de super resolución utiliza los mismos principios básicos.
La herramienta ML Super Resolución, y otras herramientas de super resolución, se entrenan utilizando pares de imágenes de baja resolución y alta resolución. Las imágenes de baja resolución son típicamente versiones escaladas de las imágenes de alta resolución regulares. Se realizan comparaciones entre las imágenes de baja resolución y alta resolución, y los algoritmos de aprendizaje automático aprenden cómo las regiones de píxeles en las imágenes de alta resolución son diferentes de las imágenes de baja resolución. El objetivo es que las redes neuronales aprendan a distinguir patrones de píxeles que conducirán a una imagen de mayor resolución. Luego, pueden utilizar estos patrones de diferencia para predecir dónde agregar píxeles a una imagen para mejorar la resolución cuando se les presenta una imagen no vista.
Las aplicaciones de super resolución se pueden crear con una variedad de métodos. Por ejemplo, un método de super resolución es el uso de Redes Adversarias Generativas (GANs). Las GANs son en realidad dos redes neuronales que se enfrentan entre sí, tomando conceptos de la Teoría de Juegos como el juego de suma cero y el modelo de actor-crítico. Esencialmente, la tarea de una red neural es crear imágenes falsas, mientras que la tarea de la otra red es detectar estas imágenes falsas. La red que crea las falsas se llama generador, mientras que la red que las detecta se llama discriminador.
En el caso de la herramienta de super resolución de Pixelmator, se creó una red neural convolucional que también implementó un bloque “ampliar” que amplía la imagen después de que las 29 capas convolucionales escanean la imagen. La matriz de imagen ampliada se procesa posteriormente y se transforma de regreso en una imagen tradicional con una resolución mejorada. La red también contiene funciones que reducen el ruido de la imagen y tratan con artefactos de compresión, para que estos aspectos de la imagen no se amplíen. Los algoritmos de Pixelmator son mucho más pequeños que los algoritmos utilizados en entornos de investigación, para que puedan incluirse en la aplicación Pixelmator Pro y ejecutarse en una variedad de dispositivos. El conjunto de datos de entrenamiento es bastante pequeño en comparación con otros conjuntos de datos utilizados para aplicaciones similares, ns, solo se utilizaron 15000 muestras para entrenar los algoritmos. Según The Verge, hay otras herramientas de super resolución disponibles para que los consumidores las utilicen. Por ejemplo, Adobe (ADBE ) también tiene su propia herramienta de super resolución en su suite de cámara Adobe, pero la herramienta de Pixelmator parece producir las imágenes de alta calidad más consistentes.
