Mô hình AI có thể lấy hình ảnh mờ và tăng độ phân giải lên 60 lần

Những nhà nghiên cứu từ Đại học Duke đã phát triển một mô hình AI có khả năng lấy những hình ảnh mờ, điểm ảnh và hiển thị chúng với chi tiết cao. Theo TechXplore, mô hình này có khả năng lấy tương đối ít điểm ảnh và tăng kích thước hình ảnh lên để tạo ra những khuôn mặt thực tế với độ phân giải khoảng 64 lần so với hình ảnh gốc. Mô hình này tưởng tượng, hoặc hình dung, những đặc điểm nằm giữa các dòng của hình ảnh gốc.

Nghiên cứu này là một ví dụ về siêu phân giải. Như Cynthia Rudin từ đội khoa học máy tính của Đại học Duke giải thích với TechXplore, dự án nghiên cứu này đã thiết lập một kỷ lục về siêu phân giải, vì trước đây chưa bao giờ có hình ảnh được tạo ra với sự sống động như vậy từ một mẫu điểm ảnh nhỏ như vậy. Những nhà nghiên cứu đã nhấn mạnh rằng mô hình này không tái tạo lại khuôn mặt của người trong hình ảnh chất lượng thấp gốc. Thay vào đó, nó tạo ra những khuôn mặt mới, điền vào những chi tiết không có trước đó. Vì lý do này, mô hình này không thể được sử dụng cho các hệ thống an ninh, vì nó không thể biến những hình ảnh mờ thành hình ảnh của một người thực.

Các kỹ thuật siêu phân giải truyền thống hoạt động bằng cách đoán những điểm ảnh cần thiết để biến hình ảnh thành hình ảnh chất lượng cao, dựa trên những hình ảnh mà mô hình đã học trước đó. Vì những điểm ảnh thêm vào là kết quả của những đoán, không phải tất cả các điểm ảnh sẽ phù hợp với các điểm ảnh xung quanh và một số vùng của hình ảnh có thể trông mờ hoặc bị biến dạng. Những nhà nghiên cứu từ Đại học Duke đã sử dụng một phương pháp đào tạo mô hình AI khác. Mô hình được tạo bởi các nhà nghiên cứu của Duke hoạt động bằng cách đầu tiên lấy hình ảnh chất lượng thấp và thêm chi tiết vào hình ảnh theo thời gian, tham khảo những khuôn mặt AI được tạo ra với chất lượng cao as ví dụ. Mô hình tham khảo những khuôn mặt AI được tạo ra và cố gắng tìm những khuôn mặt giống với hình ảnh mục tiêu khi những khuôn mặt được tạo ra được giảm kích thước xuống kích thước của hình ảnh mục tiêu.

Đội nghiên cứu đã tạo ra một mô hình Mạng Đối thủ Generative để xử lý việc tạo ra những hình ảnh mới. GANs thực sự là hai mạng nơ-ron được đào tạo trên cùng một tập dữ liệu và được đặt đối lập với nhau. Một mạng là负责 việc tạo ra những hình ảnh giả mạo giống với những hình ảnh thực trong tập dữ liệu đào tạo, trong khi mạng thứ hai là responsible việc phát hiện những hình ảnh giả mạo từ những hình ảnh thực. Mạng đầu tiên được thông báo khi những hình ảnh của nó đã được xác định là giả, và nó cải thiện cho đến khi những hình ảnh giả mạo hy vọng không thể phân biệt được với những hình ảnh thực.

Các nhà nghiên cứu đã đặt tên cho mô hình siêu phân giải của họ là PULSE, và mô hình này liên tục tạo ra những hình ảnh chất lượng cao ngay cả khi được cho những hình ảnh mờ đến mức mà các phương pháp siêu phân giải khác không thể tạo ra hình ảnh chất lượng cao từ chúng. Mô hình này thậm chí có thể tạo ra những khuôn mặt thực tế từ những hình ảnh mà các đặc điểm của khuôn mặt gần như không thể phân biệt được. Ví dụ, khi được cho một hình ảnh khuôn mặt với độ phân giải 16×16, nó có thể tạo ra một hình ảnh 1024 x 1024. Hơn một triệu điểm ảnh được thêm vào trong quá trình này, điền vào những chi tiết như sợi tóc, nếp nhăn và thậm chí ánh sáng. Khi những nhà nghiên cứu cho người đánh giá 1440 hình ảnh được tạo ra bởi PULSE so với những hình ảnh được tạo ra bởi các phương pháp siêu phân giải khác, những hình ảnh được tạo ra bởi PULSE luôn được đánh giá cao nhất.

Mặc dù những nhà nghiên cứu đã sử dụng mô hình của họ trên những hình ảnh khuôn mặt, những kỹ thuật họ sử dụng có thể được áp dụng cho hầu như bất kỳ đối tượng nào. Những hình ảnh chất lượng thấp của các đối tượng khác nhau có thể được sử dụng để tạo ra những hình ảnh chất lượng cao của tập hợp các đối tượng đó, mở ra những ứng dụng có thể cho nhiều ngành và lĩnh vực khác nhau từ kính hiển vi, hình ảnh vệ tinh, giáo dục, sản xuất và y học.