Pixelmator นำความละเอียดสูงที่ขับเคลื่อนด้วย AI มาสู่ผู้ใช้

เมื่อเร็วๆ นี้ Pixelmator ได้เปิดให้เจ้าของ Pixelmator Pro ซึ่งเป็นแอปปรับแต่งรูปภาพ ใช้เครื่องมือความละเอียดสูงพิเศษที่ขับเคลื่อนโดย AI

ความละเอียดพิเศษช่วยให้สามารถปรับปรุงภาพถ่ายที่มีความละเอียดต่ำและพร่ามัวและปรับปรุงความละเอียดของภาพได้ เทคโนโลยีที่มีความละเอียดสูงสามารถเพิ่มความคมชัดของภาพเพื่อให้ได้ผลลัพธ์ที่น่าประทับใจ ซึ่งมักจะทำให้นึกถึง "การเพิ่มประสิทธิภาพ" ที่มักเห็นในรายการอาชญากรรม Pixelmator เพิ่งประกาศการรวมเครื่องมือ "ML Super Resolution" ไว้ในซอฟต์แวร์แก้ไขรูปภาพรุ่น Pro การสาธิตผลลัพธ์บางส่วนของ Pixelmator สามารถเห็นได้ โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม.

การทดสอบเครื่องมือในระยะแรกๆ แสดงให้เห็นว่าสามารถลดความเบลอของภาพหลายประเภท รวมถึงข้อความ ภาพถ่าย และภาพประกอบ เช่น รายงานโดย The Vergeผลลัพธ์ที่สร้างโดยโปรแกรมดูเหมือนจะดีกว่าเครื่องมือเพิ่มขนาดรูปภาพอื่นๆ ซึ่งมักจะใช้อัลกอริทึม เช่น Nearest Neighbors และ Bilinear Algorithm

การวิจัยที่ดำเนินการเกี่ยวกับความละเอียดสูงได้รับการผลักดันโดยบริษัทเทคโนโลยีหลายแห่ง เช่น Google, Microsoft และ Nvidia หลายๆ บริษัทได้ออกแบบอัลกอริทึมความละเอียดสูงของตนเอง แต่วิธีที่ใช้ในการฝึกอุปกรณ์ที่มีความละเอียดสูงต่างกันนั้นใช้หลักการพื้นฐานเดียวกัน

ML Super Resolution และเครื่องมือที่มีความละเอียดสูงอื่นๆ ได้รับการฝึกฝนโดยใช้คู่ภาพความละเอียดต่ำและความละเอียดสูง โดยทั่วไปรูปภาพความละเอียดต่ำจะเป็นเพียงรูปภาพที่มีความละเอียดสูงปกติในเวอร์ชันลดขนาดลง มีการเปรียบเทียบระหว่างภาพความละเอียดต่ำและภาพความละเอียดสูง และอัลกอริธึมการเรียนรู้ของเครื่องจะเรียนรู้ว่าขอบเขตของพิกเซลในภาพความละเอียดสูงแตกต่างจากภาพความละเอียดต่ำอย่างไร เป้าหมายคือโครงข่ายประสาทเทียมเรียนรู้ที่จะแยกแยะรูปแบบของพิกเซลที่จะนำไปสู่ภาพที่มีความละเอียดสูงขึ้น จากนั้นสามารถใช้รูปแบบความแตกต่างเหล่านี้เพื่อคาดเดาตำแหน่งที่จะเพิ่มพิกเซลให้กับภาพ เพื่อปรับปรุงความละเอียดเมื่อนำเสนอด้วยภาพที่มองไม่เห็น

สามารถสร้างแอปพลิเคชันความละเอียดสูงได้ด้วยวิธีการต่างๆ ตัวอย่างเช่น วิธีหนึ่งของความละเอียดขั้นสูง คือการใช้ Generative Adversarial Networks (GAN). GAN เป็นโครงข่ายประสาทเทียมสองเครือข่ายที่เชื่อมต่อกัน โดยยืมแนวคิดมาจากทฤษฎีเกม เช่น เกมผลรวมศูนย์ และโมเดลนักวิจารณ์นักแสดง โดยพื้นฐานแล้ว หน้าที่ของเครือข่ายประสาทอย่างหนึ่งคือสร้างภาพปลอม ในขณะที่งานของเครือข่ายอื่นคือตรวจจับภาพปลอมเหล่านี้ เครือข่ายที่สร้างของปลอมเรียกว่าตัวสร้าง ในขณะที่เครือข่ายที่ตรวจจับพวกมันคือผู้เลือกปฏิบัติ

ในกรณีของเครื่องมือ Super-Resolution ของ Pixelmator มีการสร้างเครือข่ายประสาทเทียม ที่ใช้บล็อก "ขยาย" ซึ่งจะขยายภาพหลังจากเลเยอร์การวนซ้ำ 29 เลเยอร์สแกนภาพ จากนั้น อาร์เรย์รูปภาพที่ขยายใหญ่ขึ้นจะได้รับการประมวลผลภายหลังและเปลี่ยนกลับเป็นภาพดั้งเดิมที่มีความละเอียดดีขึ้น เครือข่ายยังมีฟังก์ชันที่ลดสัญญาณรบกวนของรูปภาพและจัดการกับส่วนที่มีการบีบอัด ดังนั้นลักษณะเหล่านี้ของรูปภาพจะไม่ถูกลดขนาด อัลกอริทึมของ Pixelmator มีขนาดเล็กกว่าอัลกอริทึมที่ใช้ในการตั้งค่าการวิจัยมาก เพื่อให้สามารถรวมไว้ในแอป Pixelmator Pro และทำงานบนอุปกรณ์ต่างๆ ได้ ชุดข้อมูลการฝึกอบรมมีขนาดค่อนข้างเล็กเมื่อเทียบกับชุดข้อมูลอื่นที่ใช้สำหรับแอปพลิเคชันที่คล้ายคลึงกัน มีเพียง 15000 ตัวอย่างเท่านั้นที่ใช้ในการฝึกอัลกอริทึม

ตาม The Verge มีเครื่องมือที่มีความละเอียดสูงอื่น ๆ สำหรับผู้บริโภค ตัวอย่างเช่น Adobe ยังมีเครื่องมือความละเอียดสูงของตัวเองในชุด Adobe Camera แต่เครื่องมือของ Pixelmator ดูเหมือนจะสร้างภาพที่มีคุณภาพสูงอย่างสม่ำเสมอที่สุด