I detta år som närmar sig sitt slut såg vi som den största mobila varumärket kommer att bli allt inriktat på sektorn för fotografiska apparater: det är inte bara talade om en bästa kamera monterad på den bästa enheten, men av algoritmer som ska användas genom artificiell intelligens på även de mest "daterade" enheterna. Xiaomi till exempel, som vi rapporterade qui, har fokuserat på förvärvet (delvis) av MeiTu att han har en hel del skönhetsalgoritmer och avbildningspatent till sitt förfogande Detta, i kombination med Xiaomis super konkurrenskraftiga priser leder säkert till en förbättring av programvaranartificiell intelligens dedikerad till fotografiska sektorn. Men dagens nyheter är en annan: efter en korsstudie "Deepexposure: Lär dig att exponera foton genom antagonistiskt lärande på ett förstärkt asynkront sätt" av Peking University, Av South China Normal University och Xiaomi tekniker vi har kommit till ett fantastiskt resultat. Med DeepExposure, Xiaomi förbättrar exponeringen av bilderna genom AI, utan att ha problem med under- och överexponering.
DeepExposure: Xiaomi förbättrar fotoexponering genom AI
Forskarna av Xiaomi Lab beskriv en lösning på exponerings dilemma in 'ovannämnda artikel, accepterade a Montreal 2018 NeurIPS, en händelse som äger rum från 3 till december 9 i år. I den här artikeln beskrivs a AI-systemet kan segmentera bilden i fler "underbilder", vilka varje förknippas med en viss exponering. Sammanslagningen av dessa under bilder med olika exponeringar (från under till överexponerad) leder till ett fotografi som kommer mycket nära bilden som uppfattas av det mänskliga ögat. Forskarna sa:
"Exakt exponering är nyckeln till att ta bilder av högkvalitativa bilder i beräkningsfotografering, speciellt för mobiltelefoner som är begränsade av storleken på kameramodulerna. Inspirerad av ljusstyrka masker som vanligen används av professionella fotografer, i den här artikeln utvecklar vi en ny algoritm för inlärning av exponeringar med en antagonistisk djup inlärningsförstärkning ".
Tekniken som låter dig utföra flera instruktioner parallellt för att förbättra prestandan hosIA, smeknamn DeepExposure , startar bildsegmentering. Nedan finns en fas där lågupplösningsinmatning, delbilder och bildfusion sammankopplas och bearbetas. Efter detta passerar algoritmen till en avslutningsfas i vilken en utvärderas den allmänna kvaliteten. Slutligen Underbilderna blandas upp till det sista fotot. DeepExposureArbetet på detta sätt lyckades hon återställa de flesta detaljerna och stilarna i de ursprungliga bilderna, samtidigt som man förbättrade ljusstyrkan och färgerna.
För att genomföra detta experiment, Xiaomi använde ramverket TensorFlow öppen källkod utvecklad av Google, en serie av GPU Nvidia P40 Tesla och en uppsättning bilder MIT-Adobe FiveK. Den innovativa metoden för DeepExposure fungerar som en bro mellan djuplärande metoder och traditionella metoder för filtrering: metoderna för djupt lärande används för att lära sig filterparametrar, vilket gör filtreringen av traditionella metoder mer exakt. Traditionella metoder minskar träningstiden djuplärande metoder eftersom pixelfiltrering är mycket snabbare än den för ny teknik.
För Xiaomi, efter förvärvet av Meitos algoritmer och skönhetsfilter, förväntas gnistor för fotografiska sektorn. Kommer vi till en era där spegelfria och spegelreflekter inte längre behövs? Vad tycker du? Skriv det till oss i kommentarerna
