Супер разрешение

Суперразрешение выходит за рамки простого масштабирования за счет использования моделей глубокого обучения, обученных на парных изображениях с низким и высоким разрешением. Во время обучения модель изучает взаимосвязь между патчами с низким разрешением и их аналогами с высоким разрешением. Он обнаружил, что определенные размытые узоры соответствуют определенным резким деталям: определенное пятно коричневых и зеленых пикселей, вероятно, представляет собой отдельные листья на дереве, а определенный градиент розового и белого, вероятно, представляет собой поры кожи и тонкие волоски.\n\nПриложения для обеспечения безопасности и криминалистики демонстрируют практическую ценность сверхразрешения. Камера видеонаблюдения фиксирует номерной знак в низком разрешении на расстоянии. Суперразрешение улучшает изображение, делая читаемыми отдельные символы. Хотя сгенерированные детали выводятся, а не фиксируются, прогнозы модели во многих случаях достаточно точны, чтобы улучшить идентификацию, при условии, что исходное изображение содержит достаточно информации с низким разрешением.\n\nМодели со сверхвысоким разрешением развивались через несколько архитектур. SRCNN (2014) впервые продемонстрировал, что нейронные сети превосходят традиционное масштабирование. EDSR aEDSRМОЖЕТ улучшитьRCANфункциональность за счет более глубоких сетей. Более поздние подходы, основанные на трансформаторах и диффузии, создают все более реалистичные высокочастотные детали. Каждое поколение дает более убедительные результаты и содержит меньше артефактов, чем предыдущее.\n\nMagic Eraser использует моделиMagic Eraseresolution в своем конвейере AI Enhance. ЕслиAI Enhanceимеется изображение с низким разрешением, система применяет сверхвысокое разрешение для восстановления мелких деталей, которые не удалось записать при исходном снимке. Это особенно эффективно для восстановления старых отсканированных фотографий, улучшения ранних фотографий со смартфона и подготовки веб-изображений с низким разрешением для отображения на дисплее большего размера или для печати. Модель сверхвысокого разрешения адаптирует генерацию деталей к типу контента, обнаруженному в каждой области изображения, создавая реалистичную текстуру кожи на портретах, четкий текст на сканах документов и естественные детали листвы на пейзажных фотографиях, а не применяя универсальный шаблон улучшения.