Pixelmator Menghadirkan Super Resolusi yang Digerakkan AI kepada Penggunanya

Pixelmator baru-baru ini telah mengaktifkan pemilik Pixelmator Pro, aplikasi manipulasi foto, untuk menggunakan alat super-resolusi yang ditenagai oleh AI.

Super-resolusi memungkinkan foto yang buram dan beresolusi rendah ditingkatkan dan resolusi gambar diperbaiki. Teknologi super-resolusi dapat meningkatkan kualitas gambar dengan sangat baik, sering kali mengingatkan kita pada trope “peningkatan” yang sering kita lihat di acara kejahatan. Pixelmator baru-baru ini mengumumkan penyertaan alat “ML Super Resolution” di versi Pro dari perangkat lunak pengeditan foto mereka. Demonstrasinya dapat dilihat di sini.

Pengujian awal alat ini menunjukkan bahwa alat ini dapat mengurangi keburaman pada berbagai jenis gambar, termasuk teks, foto, dan ilustrasi. Seperti yang dilaporkan oleh The Verge, hasil yang dihasilkan oleh program ini juga tampaknya lebih baik daripada alat pengubahan resolusi gambar lainnya, yang sering menggunakan algoritma seperti Nearest Neighbors dan Bilinear.

Penelitian tentang super-resolusi telah didorong oleh berbagai perusahaan teknologi seperti Google (GOOGL ), Microsoft (MSFT ), dan Nvidia. Banyak perusahaan telah merancang algoritma super-resolusi mereka sendiri, tetapi metode yang digunakan untuk melatih perangkat super-resolusi menggunakan prinsip dasar yang sama.

ML Super Resolution, dan alat super-resolusi lainnya, dilatih menggunakan pasangan gambar beresolusi rendah dan tinggi. Gambar beresolusi rendah biasanya hanya versi gambar beresolusi tinggi yang dikurangi ukurannya. Perbandingan dibuat antara gambar beresolusi rendah dan tinggi, dan algoritma pembelajaran mesin mempelajari bagaimana wilayah piksel pada gambar beresolusi tinggi berbeda dari gambar beresolusi rendah. Tujuannya adalah bahwa jaringan saraf mempelajari pola piksel yang akan menghasilkan gambar beresolusi lebih tinggi. Kemudian, alat ini dapat menggunakan pola perbedaan ini untuk memprediksi di mana menambahkan piksel ke gambar untuk meningkatkan resolusi ketika dihadapkan pada gambar yang tidak terlihat sebelumnya.

Aplikasi super-resolusi dapat dibuat dengan berbagai metode. Misalnya, salah satu metode super-resolusi adalah menggunakan Jaringan Adversarial Generatif (GANs). GANs sebenarnya adalah dua jaringan saraf yang saling berlawanan, meminjam konsep dari Teori Permainan seperti permainan zero-sum dan model aktor-kritikus. Secara esensial, tugas satu jaringan saraf adalah membuat gambar palsu, sedangkan tugas jaringan saraf lainnya adalah mendeteksi gambar palsu tersebut. Jaringan saraf yang membuat gambar palsu disebut generator, sedangkan jaringan saraf yang mendeteksi gambar palsu disebut discriminator.

Dalam kasus alat Super-Resolusi Pixelmator, sebuah jaringan saraf konvolusional dibuat yang juga mengimplementasikan blok “perbesar” yang meningkatkan ukuran gambar setelah 29 lapisan konvolusional memindai gambar. Array gambar yang diperbesar kemudian diproses dan diubah kembali menjadi gambar tradisional dengan resolusi yang ditingkatkan. Jaringan saraf ini juga memiliki fungsi yang mengurangi noise pada gambar dan menangani artefak kompresi, sehingga aspek-aspek gambar ini tidak diperbesar. Algoritma Pixelmator jauh lebih kecil daripada algoritma yang digunakan dalam pengaturan penelitian, sehingga dapat disertakan dalam aplikasi Pixelmator Pro dan berjalan pada berbagai perangkat. Dataset pelatihan relatif kecil dibandingkan dengan dataset lain yang digunakan untuk aplikasi serupa, hanya 15.000 sampel yang digunakan untuk melatih algoritma.

Menurut The Verge, ada alat super-resolusi lain yang tersedia untuk digunakan oleh konsumen. Misalnya, Adobe (ADBE ) juga memiliki alat super-resolusi sendiri dalam suite kamera Adobe, tetapi alat Pixelmator tampaknya menghasilkan gambar dengan kualitas tinggi yang paling konsisten.