सस्ता प्रक्षेप विधि तंत्रिका नेटवर्क की तुलना में कोई बदतर काम नहीं करता है

अन्य उन्नत छवि रिज़ॉल्यूशन तकनीकों के साथ RAISR की तुलना। अधिक उदाहरणों के लिए, साथ में वैज्ञानिक लेख देखें।

छवियों के रिज़ॉल्यूशन को बढ़ाना, अर्थात्, कम रिज़ॉल्यूशन वाली फ़ोटो के आधार पर उच्च-रिज़ॉल्यूशन फ़ोटो बनाना, एक बहुत अच्छी तरह से अध्ययन की गई वैज्ञानिक समस्या है। यह कई अनुप्रयोगों के लिए महत्वपूर्ण है: फ़ोटो और पाठ को ज़ूम करना, बड़ी स्क्रीन पर वीडियो प्रोजेक्ट करना, आदि। यहां तक ​​कि फिल्मों में, जासूस कभी-कभी एक निगरानी कैमरे से एक फ्रेम पर कार की संख्या को देखने के लिए प्रबंधन करते हैं, फोटो को सीमा में लाते हैं। और सिर्फ कार का नंबर नहीं। यहां सब कुछ निर्देशक और पटकथा लेखक की कल्पना और विवेक से सीमित है। वे फोटोग्राफ को और भी आगे ला सकते हैं - और रियरव्यू मिरर में अपराधी का प्रतिबिंब देख सकते हैं या यहां तक ​​कि बोल्ट के पॉलिश धातु के सिर में भी जो लाइसेंस प्लेट को सुरक्षित करता है। दर्शक इसे पसंद करते हैं।

व्यवहार में, ऐसे कार्यक्रमों की क्षमता बहुत अधिक मामूली होती है। उदाहरण के लिए, 29 अक्टूबर, 2016 को, गुरलहब ने न्यूरल एन्हांस प्रोग्राम लॉन्च किया , जो तंत्रिका नेटवर्क का उपयोग करके फ़ोटो के रिज़ॉल्यूशन को बढ़ाता है। कार्यक्रम ने सप्ताह के लिए सबसे लोकप्रिय रिपॉजिटरी की सूची में तुरंत प्रवेश किया। न्यूरल एनहांस


के काम का


एक उदाहरण न्यूरल एनहांस प्रोग्राम के काम का एक और उदाहरण , जो सार्वजनिक रूप से गीथहब पर उपलब्ध है,

Google रिसर्च कर्मचारी भी इस दिशा में काम करते हैं - कंपनी के आधिकारिक ब्लॉग ने कल बढ़ते रिज़ॉल्यूशन के एक तरीके के बारे में बात की , जिसे उन्होंने RAISR (रैपिड एंड एक्यूरेट इमेज सुपर-रिज़ॉल्यूशन) कहा। )।

ऐतिहासिक रूप से, सरल प्रक्षेपकों का उपयोग छवियों को प्रक्षेपित करने के लिए किया गया है, जो मूल छवि के पिक्सेल मूल्यों के ज्ञात सेट से नए पिक्सेल के मध्यवर्ती मूल्यों को पाते हैं। औसत मूल्यों की गणना करने के लिए वहां विभिन्न तरीकों का इस्तेमाल किया गया था: निकटतम पड़ोसी विधि, बिलियनियन प्रक्षेप, क्यूबिक विधि, बाइबिक विधि आदि द्वारा प्रक्षेप। ये सभी काफी सरल गणितीय सूत्र हैं। उनकी सादगी और सरलता के कारण उन्हें विभिन्न अनुप्रयोगों में व्यापक रूप से उपयोग किया गया। वे छवि की सामग्री के लिए बिल्कुल भी अनुकूल नहीं होते हैं, जो अक्सर अप्रिय कलाकृतियों की उपस्थिति की ओर जाता है - बहुत धुंधले टुकड़े, अलियासिंग की विशिष्ट विकृतियां।

हाल के दशकों में, बहुत अधिक उन्नत कार्यक्रमों और प्रक्षेप विधियों को विकसित किया गया है जो मूल छवि की विशेषताओं को स्पष्ट रूप से ध्यान में रखते हैं। वे मूल छवि के टुकड़ों का उपयोग और स्केल करने में सक्षम हैं, स्पार्सिटी में भरें, गॉसियन मिश्रण लागू करें । नए तरीकों ने गणनाओं की जटिलता को बढ़ाकर प्रक्षेप (गुणवत्ता की डिजिटल बहाली) की गुणवत्ता में काफी सुधार किया है।

Google कर्मचारी बाहरी नमूनों पर मशीन लर्निंग का उपयोग करते थे। इस पद्धति ने हाल के वर्षों में बहुत लोकप्रियता हासिल की है और कई वैज्ञानिक पत्रों में वर्णित है। मूल सिद्धांत छवि की सामग्री को उसकी कम प्रतिलिपि से उच्च रिज़ॉल्यूशन में "अनुमानित" करना है। ऐसे प्रशिक्षण के लिए, नमूनों द्वारा शिक्षण की मानक विधि का उपयोग किया जाता है।

RAISR प्रशिक्षण के दौरान, उच्च और निम्न गुणवत्ता में छवियों के एक साथ उत्पन्न जोड़े के आधार का उपयोग किया गया था। हमने मानक 2x प्रक्षेप के लिए छवि के छोटे टुकड़ों के जोड़े का उपयोग किया, अर्थात 3 × 3 और 6 × 6 पिक्सेल के टुकड़े। RAISR लर्निंग और ऑपरेशन एल्गोरिदम को आरेख में दिखाया गया है।





निम्नलिखित चित्रण चार वैश्विक फिल्टर दिखाता है जिन्हें प्रशिक्षण चरण के दौरान उपयोग करने की अनुमति दी गई थी। तदनुसार, कई पिक्सेल के इस विशेष टुकड़े की सामग्री के आधार पर, कार्यक्रमों को उन्हें सबसे प्रभावी ढंग से लागू करने के लिए प्रशिक्षित किया गया था।





प्रत्येक प्रकार का फिल्टर अपने स्वयं के प्रकार के पिक्सेल के लिए संचालित होता है: पी 1 से पी 4 तक, बिलिनियर इंटरपोलेशन एल्गोरिदम द्वारा उपयोग किए जाने वाले पिक्सेल के प्रकारों के अनुसार।



कुछ मायनों में, RAISR मशीन सीखने की विधि तंत्रिका नेटवर्क के प्रशिक्षण के समान है। लेकिन वास्तव में, यह मूल छवि के प्रत्येक व्यक्ति के छोटे टुकड़े के लिए विभिन्न मानक प्रक्षेप फिल्टर का एक अनुकूलन है। यही है, यह वही पुराना "रैखिक प्रक्षेप" है, लेकिन जैसे कि स्टेरॉयड पर - अपनी अंतर्निहित कलाकृतियों के बिना और छवि सामग्री के अनुकूलन के साथ।

तुलनात्मक परीक्षण से पता चला है कि कई मामलों में इस तरह के एक एल्गोरिथ्म तंत्रिका नेटवर्क (चित्रणों में SRCNN) पर आधारित उन्नत प्रक्षेप के आधुनिक तरीकों से भी बेहतर काम करता है।



इसके अलावा, हैशिंग के आधार पर इस तरह की एक विधि एक तंत्रिका नेटवर्क के प्रशिक्षण और उपयोग करने की तुलना में बहुत कम संसाधन-गहन और अधिक स्वीकार्य है। प्रदर्शन में अंतर इतना बड़ा (10-100 गुना) है कि यह कार्यक्रम सामान्य मोबाइल उपकरणों पर भी सुरक्षित रूप से चलाया जा सकता है, और यह वास्तविक समय में काम करेगा। एंड्रॉइड पर कैमरा एप्लिकेशन सहित स्मार्टफ़ोन पर आधुनिक छवि प्रक्षेप अनुप्रयोगों में इस फ़िल्टर के कार्यान्वयन को कुछ भी नहीं रोकता है, जो डिजिटल ज़ूमिंग के दौरान प्रक्षेप करता है। यह संभव है कि Google पहले स्थान पर ऐसा करने जा रहा है। कम से कम यह लाखों उपकरणों पर प्रक्षेप के सबसे व्यापक व्यापक उपयोग का एक उदाहरण है।


वाम: मूल कम संकल्प। केंद्र: एक मानक बायूबिक इंटरपोलर का परिणाम। अधिकार: RAISR

फ़ोटो का परिणाम सभी Android उपयोगकर्ताओं के लिए तुरंत बेहतर होगा।

वैसे, RAISR का एक और दिलचस्प और महत्वपूर्ण लाभ यह है कि प्रशिक्षण प्रक्रिया के दौरान इस कार्यक्रम को जेपीईजी सहित विशिष्ट संपीड़न कलाकृतियों को खत्म करने के लिए प्रशिक्षित किया जा सकता है। उदाहरण के लिए, मोबाइल डिवाइस पर, तस्वीरों को कलाकृतियों के साथ संपीड़ित रूप में संग्रहीत किया जा सकता है, और कलाकृतियों के बिना स्क्रीन पर प्रदर्शित किया जा सकता है। या जेपीईजी कलाकृतियों के उन्मूलन के साथ, उपयोगकर्ता फ़ोटो को स्वचालित रूप से सुधारने के लिए एल्गोरिथ्म का उपयोग Google फोटो होस्टिंग पर किया जा सकता है, जो लगभग हर जगह मौजूद हैं।


वाम: जेपीईजी-विशिष्ट अलियासिंग कलाकृतियों के साथ कम रिज़ॉल्यूशन मूल। राइट - RAISR अंक

वैज्ञानिक लेखGoogle अनुसंधान कर्मचारियों को जल्द ही कम्प्यूटेशनल इमेजिंग पर IEEE लेनदेन पत्रिका में प्रकाशित किया जाएगा। (नोट: पत्र का मुख्य लेखक लेखन के समय एक Google अनुसंधान इंटर्न था, लेकिन अब इजरायल के तकनीकी अनुसंधान संस्थान में काम करता है)।

Source: https://habr.com/ru/post/hi399119/