पिक्सेलमेटर ने अपने उपयोगकर्ताओं के लिए एआई-ड्रIVEN सुपर रेजोल्यूशन लाया है

पिक्सेलमेटर ने हाल ही में पिक्सेलमेटर प्रो के मालिकों को एक सुपर-रेजोल्यूशन टूल का उपयोग करने की अनुमति दी है, जो एआई द्वारा संचालित है।

सुपर-रेजोल्यूशन धुंधले, कम-रेजोल्यूशन वाली तस्वीरों को बढ़ाने और छवि के रेजोल्यूशन में सुधार करने में सक्षम बनाता है। सुपर-रेजोल्यूशन प्रौद्योगिकी छवियों को प्रभावशाली ढंग से तेज करने में सक्षम है, अक्सर “सुधारने” के रूपक को दर्शाता है जो अक्सर अपराध शो में देखा जाता है। पिक्सेलमेटर ने हाल ही में अपने फोटो संपादन सॉफ्टवेयर के प्रो संस्करण में अपने “एमएल सुपर रेजोल्यूशन” टूल को शामिल करने की घोषणा की। पिक्सेलमेटर द्वारा कुछ परिणामों का प्रदर्शन यहां देखा जा सकता है।

टूल के शुरुआती परीक्षणों से पता चलता है कि यह विभिन्न प्रकार की छवियों में धुंधलापन कम करने में सक्षम है, जिनमें पाठ, फोटोग्राफ और चित्रण शामिल हैं। जैसा कि द वर्ज द्वारा रिपोर्ट किया गया है, कार्यक्रम द्वारा बनाए गए परिणाम अन्य छवि अपस्केलिंग टूल्स की तुलना में बेहतर लगते हैं, जो अक्सर निकटतम पड़ोसी और द्विआयामी अल्गोरिदम जैसे अल्गोरिदम का उपयोग करते हैं।

सुपर-रेजोल्यूशन में अनुसंधान विभिन्न प्रौद्योगिकी कंपनियों जैसे गूगल, माइक्रोसॉफ्ट और एनवीडिया द्वारा चलाया गया है। कई कंपनियों ने अपने सुपर-रेजोल्यूशन अल्गोरिदम डिज़ाइन किए हैं, लेकिन विभिन्न सुपर-रेजोल्यूशन डिवाइसों को प्रशिक्षित करने के लिए उपयोग की जाने वाली विधि मूल रूप से एक ही सिद्धांतों का उपयोग करती है।

एमएल सुपर रेजोल्यूशन और अन्य सुपर-रेजोल्यूशन टूल्स को कम-रेजोल्यूशन और उच्च-रेजोल्यूशन छवियों के जोड़े का उपयोग करके प्रशिक्षित किया जाता है। कम-रेजोल्यूशन छवियां आमतौर पर नियमित, उच्च-रेजोल्यूशन छवियों के स्केल-डाउन संस्करण होती हैं। कम-रेजोल्यूशन और उच्च-रेजोल्यूशन छवियों के बीच तुलना की जाती है, और मशीन लर्निंग अल्गोरिदम उच्च-रेजोल्यूशन छवियों में पिक्सेल के क्षेत्रों के बीच के अंतर को सीखते हैं। लक्ष्य यह है कि न्यूरल नेटवर्क उन पिक्सेल पैटर्न को सीखें जो उच्च-रेजोल्यूशन छवि की ओर ले जाएंगे। फिर यह उन पैटर्न का उपयोग करके अनुमान लगा सकता है कि छवि में रेजोल्यूशन में सुधार करने के लिए पिक्सेल कहां जोड़ने हैं।

सुपर-रेजोल्यूशन अनुप्रयोगों को विभिन्न तरीकों से बनाया जा सकता है। उदाहरण के लिए, सुपर-रेजोल्यूशन का एक तरीका जेनरेटिव एडवर्सेरियल नेटवर्क (जीएएन) का उपयोग है। जीएएन वास्तव में दो न्यूरल नेटवर्क हैं जो एक दूसरे के खिलाफ हैं, जो गेम थ्योरी जैसे शून्य-योग गेम और अभिनेता-आलोचक मॉडल से अवधारणाओं का उपयोग करते हैं। मूल रूप से, एक न्यूरल नेटवर्क का काम नकली छवियां बनाना है, जबकि दूसरे नेटवर्क का काम इन नकली छवियों का पता लगाना है। नकली छवियां बनाने वाला नेटवर्क जेनरेटर कहलाता है, जबकि नकली छवियों का पता लगाने वाला नेटवर्क विवेचक कहलाता है।

पिक्सेलमेटर के सुपर-रेजोल्यूशन टूल के मामले में, एक कन्वोल्यूशनल न्यूरल नेटवर्क बनाया गया था जिसने एक “विस्तार” ब्लॉक को भी लागू किया जो 29 कन्वोल्यूशनल लेयर्स द्वारा स्कैन की गई छवि को बढ़ाता है। बढ़े हुए छवि सरणी को फिर से संसाधित किया जाता है और एक पारंपरिक छवि में परिवर्तित किया जाता है जिसमें सुधारित रेजोल्यूशन होता है। नेटवर्क में कार्य भी हैं जो छवि को शोर से मुक्त करते हैं और संपीड़न कलाकृतियों से निपटते हैं, ताकि छवि के इन पहलुओं को बढ़ाया न जा सके। पिक्सेलमेटर के अल्गोरिदम अनुसंधान सेटिंग्स में उपयोग किए जाने वाले अल्गोरिदम की तुलना में बहुत छोटे हैं, ताकि वे पिक्सेलमेटर प्रो ऐप में शामिल किए जा सकें और विभिन्न डिवाइसों पर चल सकें। प्रशिक्षण डेटासेट अन्य अनुप्रयोगों के लिए उपयोग किए जाने वाले डेटासेट की तुलना में काफी छोटा है, केवल 15000 नमूनों का उपयोग अल्गोरिदम को प्रशिक्षित करने के लिए किया गया था।

द वर्ज के अनुसार, उपभोक्ताओं द्वारा उपयोग के लिए अन्य सुपर-रेजोल्यूशन टूल उपलब्ध हैं। उदाहरण के लिए, एडोबी के पास भी अपने एडोबी कैमरा सूट में सुपर-रेजोल्यूशन टूल है, लेकिन पिक्सेलमेटर का टूल सबसे अधिक लगातार उच्च-गुणवत्ता वाली छवियां पैदा करने के लिए लगता है।