Pixelmator, Kullanıcılarına AI Sürücülü Süper Çözünürlüğü Sunuyor

Pixelmator, fotoğraf düzenleme uygulaması Pixelmator Pro’nun sahiplerine, AI tarafından çalışan bir süper çözünürlük aracını kullanma olanağı sağlamıştır.

Süper çözünürlük, bulanık ve düşük çözünürlüklü fotoğrafların geliştirilmesini ve görüntünün çözünürlüğünün iyileştirilmesini sağlar. Süper çözünürlük teknolojisi, görüntüleri etkileyici bir şekilde keskinleştirebilir ve genellikle suç dizilerinde görülen “geliştirme” trope’ünü çağrıştırır. Pixelmator, Pro sürümünde “ML Süper Çözünürlük” aracını dahil ettiğinirecently açıkladı. Pixelmator’un bazı sonuçlarını gösterdiği bir demo burada görülebilir.

Araçların erken testleri, metin, fotoğraflar ve illüstrasyonlar dahil olmak üzere çeşitli görüntü türlerinde bulanıklığı azaltabileceğini gösteriyor. The Verge’in bildirdiği gibi, program tarafından oluşturulan sonuçlar, genellikle En Yakın Komşular ve Bilineer algoritmaları gibi algoritmaları kullanan diğer görüntü ölçeklendirme araçlarından daha iyi görünüyor.

Süper çözünürlük araştırmaları, Google (GOOGL ), Microsoft (MSFT ) ve Nvidia (NVDA ) gibi çeşitli teknoloji şirketleri tarafından yürütülmüştür. Çoklu şirketler, kendi süper çözünürlük algoritmalarını tasarladılar, ancak farklı süper çözünürlük cihazlarını eğitmek için kullanılan yöntem aynı temel prensipleri kullanıyor.

ML Süper Çözünürlük ve diğer süper çözünürlük araçları, düşük ve yüksek çözünürlüklü görüntü çiftleri kullanılarak eğitilir. Düşük çözünürlüklü görüntüler genellikle normal, yüksek çözünürlüklü görüntülerin ölçeklendirilmiş sürümleridir. Düşük ve yüksek çözünürlüklü görüntüler arasında karşılaştırmalar yapılır ve makine öğrenimi algoritmaları, yüksek çözünürlüklü görüntülerdeki piksel bölgelerinin düşük çözünürlüklü görüntülerden farklı olduğunu öğrenir. Hedef, sinir ağlarının daha yüksek çözünürlüklü bir görüntü oluşturacak piksel kalıplarını tanımalarını sağlamaktır. Daha sonra, görüntüyü geliştirmek için nereye piksel ekleyeceğini belirlemek için bu farklılık kalıplarını kullanabilir.

Süper çözünürlük uygulamaları, çeşitli yöntemler kullanılarak oluşturulabilir. Örneğin, süper çözünürlük için bir yöntem, Üretken Karşıt Ağlar (GAN’ler) kullanmaktır. GAN’ler, aslında birbirlerine karşı yerleştirilmiş iki sinir ağıdır ve Oyun Teorisi’nden sıfır toplamlı oyun ve aktör-eleştirmen modeli gibi kavramları kullanır. Temel olarak, bir sinir ağının görevi sahte görüntüler oluşturmak, diğer ağın görevi ise bu sahte görüntüleri tespit etmektir. Sahte görüntüleri oluşturan ağ, üretici olarak adlandırılırken, bunları tespit eden ağ, ayrımcı olarak adlandırılır.

Pixelmator’un Süper Çözünürlük aracında, görüntüyü taramak için 29 katmanlı bir konvolüsyonel sinir ağı oluşturuldu ve bu ağ, bir “büyütme” bloğu da içeriyordu. Görüntü, bu blokla büyütüldükten sonra, post-işleme tabi tutulur ve geleneksel bir görüntü olarak dönüştürülür. Ağ, aynı zamanda gürültü azaltma ve sıkıştırma kalıntıları ile başa çıkma gibi işlemleri de içerir, böylece bu görüntü özellikleri büyütülmez. Pixelmator’un algoritmaları, araştırma ortamlarında kullanılan algoritmaların çok daha küçüktür, böylece Pixelmator Pro uygulamasına dahil edilebilir ve çeşitli cihazlarda çalışabilir. Eğitim veri kümesi, benzer uygulamalar için kullanılan diğer veri kümelerine kıyasla oldukça küçüktür, sadece 15.000 örnek kullanılarak algoritmalar eğitilmiştir.

The Verge’e göre, tüketiciler tarafından kullanılabilen diğer süper çözünürlük araçları da mevcuttur. Örneğin, Adobe (ADBE ) de Adobe Camera paketinde kendi süper çözünürlük aracına sahiptir, ancak Pixelmator’un aracı daha tutarlı olarak yüksek kaliteli görüntüler üretiyor gibi görünüyor.