Model AI Dapat Mengambil Gambar Buram Dan Meningkatkan Resolusi Sebesar 60 Kali

Peneliti dari Duke University telah mengembangkan model AI yang mampu mengambil gambar yang sangat buram, pikselasi dan merendernya dengan detail yang tinggi.  Menurut TechXplore, model ini mampu mengambil sejumlah kecil piksel dan menskalakan gambar untuk menciptakan wajah yang terlihat realistis yang sekitar 64 kali resolusi gambar asli. Model ini mengkhayal, atau membayangkan, fitur yang berada di antara garis-garis gambar asli.

Penelitian ini adalah contoh dari super-resolusi. Seperti yang dijelaskan oleh Cynthia Rudin dari tim ilmu komputer Duke University kepada TechXplore, proyek penelitian ini mencetak rekor untuk super-resolusi, karena belum pernah gambar dibuat dengan hasil yang sebagus ini dari sampel piksel yang sangat kecil. Peneliti berhati-hati untuk menekankan bahwa model ini tidak benar-benar merekayasa wajah orang dalam gambar asli yang berkualitas rendah. Sebaliknya, ia menghasilkan wajah baru, mengisi detail yang tidak ada sebelumnya. Karena alasan ini, model ini tidak dapat digunakan untuk sistem keamanan, karena tidak dapat mengubah gambar yang buram menjadi gambar orang yang nyata.

Teknik super-resolusi tradisional bekerja dengan menebak piksel yang diperlukan untuk mengubah gambar menjadi gambar dengan resolusi tinggi, berdasarkan gambar yang telah dipelajari sebelumnya. Karena piksel yang ditambahkan adalah hasil tebakan, tidak semua piksel akan cocok dengan piksel sekitarnya dan beberapa area gambar mungkin terlihat kabur atau terdistorsi. Peneliti dari Duke University menggunakan metode pelatihan model AI yang berbeda. Model yang dibuat oleh peneliti Duke bekerja dengan mengambil gambar resolusi rendah dan menambahkan detail ke gambar dari waktu ke waktu, dengan merujuk pada wajah yang dihasilkan AI dengan resolusi tinggi sebagai contoh. Model ini merujuk pada wajah yang dihasilkan AI dan mencoba menemukan yang mirip dengan gambar target ketika wajah yang dihasilkan dikurangi ukurannya ke ukuran gambar target.

Tim peneliti membuat model Jaringan Adversarial Generatif untuk menangani pembuatan gambar baru. GAN sebenarnya adalah dua jaringan neural yang dilatih pada dataset yang sama dan dipertandingkan satu sama lain. Salah satu jaringan bertanggung jawab untuk menghasilkan gambar palsu yang meniru gambar nyata dalam dataset pelatihan, sedangkan jaringan kedua bertanggung jawab untuk mendeteksi gambar palsu dari yang asli. Jaringan pertama diberitahu ketika gambar-gambar yang dihasilkannya telah diidentifikasi sebagai palsu, dan ia memperbaiki sampai gambar palsu yang dihasilkannya tidak dapat dibedakan dari gambar asli.

Peneliti telah menamai model super-resolusi mereka PULSE, dan model ini konsisten menghasilkan gambar dengan kualitas tinggi bahkan jika diberikan gambar yang sangat buram sehingga metode super-resolusi lain tidak dapat menghasilkan gambar dengan kualitas tinggi dari mereka. Model ini bahkan dapat membuat wajah yang terlihat realistis dari gambar di mana fitur wajah hampir tidak dapat dibedakan. Misalnya, ketika diberikan gambar wajah dengan resolusi 16×16, ia dapat membuat gambar 1024 x 1024. Lebih dari satu juta piksel ditambahkan selama proses ini, mengisi detail seperti helai rambut, kerutan, dan bahkan pencahayaan. Ketika peneliti meminta orang untuk menilai 1440 gambar yang dihasilkan PULSE melawan gambar yang dihasilkan oleh teknik super-resolusi lain, gambar yang dihasilkan PULSE konsisten mendapatkan skor terbaik.

Sementara peneliti menggunakan model mereka pada gambar wajah orang, teknik yang mereka gunakan dapat diterapkan pada hampir semua objek. Gambar resolusi rendah dari berbagai objek dapat digunakan untuk membuat gambar resolusi tinggi dari objek tersebut, membuka kemungkinan aplikasi untuk berbagai industri dan bidang dari mikroskopi, citra satelit, pendidikan, manufaktur, dan kedokteran.