深度学习

自 2012 年以来，深度学习推动了人工智能照片编辑的重大进步，当时深度神经网络在 ImageNet 竞赛中首次展示了超人的图像识别精度。具有数十或数百层的网络可以学习理解多个抽象级别的图像内容。早期层检测边缘和颜色等简单特征。中间层将它们组合成纹理和形状。深层识别完整的物体和场景。这种分层理解使 AI 工具能够根据图像内容做出智能编辑决策。\n\n深度学习对照片编辑的实际影响是革命性的。在深度学习之前，自动化工具依赖于手工制定的规则和简单的启发式方法。背景去除需要用户单击边缘附近。对象移除留下可见的伪影。图像增强应用了统一调整。深度学习用能够理解他们所看到的内容并做出相应响应的工具取代了这些限制。\n\n深度学习需要大量的训练数据集和大量的计算资源。训练最先进的图像模型可能需要数百万张图像并在专用硬件上进行数周的处理。然而，经过训练，模型可以在几秒或几毫秒内处理单个图像。这种不对称性——训练成本高，使用成本低——就是为什么深度学习驱动的工具能够以消费者可以承受的价格提供专业质量的结果。\n\nMagic Magic Eraserire 产品套件基于深度学习技术构建。支持对象去除、背景提取、图像增强和内容生成的模型都是在大型照片数据集上训练的深度神经网络。随着训练技术的进步和训练数据的增长，这些模型不断改进。每个连续的模型生成都提供了明显更好的结果——更精细的边缘检测、更真实的内容生成和更准确的色彩再现——这意味着，随着底层深度学习模型在更大、更多样化的图像数据集上进行细化和重新训练，上传照片和单击按钮的相同用户工作流程会产生越来越专业的结果。