NVIDIA sử dụng các thuật toán hồi quy Gaussian để mô phỏng lại các bức ảnh bị méo một cách chính xác

Tech / NVIDIA sử dụng các thuật toán hồi quy Gaussian để mô phỏng lại các bức ảnh bị méo một cách chính xác 3 phút đọc

Tái tạo lại ảnh chụp không gian của NASA để mang lại kết quả rõ ràng hơn. Spaceflight Now



NVIDIA từ lâu đã được biết đến với các Đơn vị xử lý đồ họa (GPU) hoàn hảo, sản phẩm chính của nó là card NVIDIA GeForce. Cùng với đó, công ty luôn đi đầu trong việc nghiên cứu và phát triển kinh nghiệm nâng cao trí tuệ nhân tạo trong trò chơi điện tử, thiết kế đồ họa, xử lý dữ liệu và xe ô tô.

Gần đây, NVIDIA đã bắt đầu tập trung vào trí tuệ nhân tạo một cách riêng biệt với dự án gần đây nhất của họ tập trung nhiều vào việc tái tạo thông minh các bức ảnh đã có từ trước bằng cách sử dụng các thuật toán gaussian để đánh giá sự khác biệt nhỏ nhất giữa hàng trăm hình ảnh rõ ràng và mờ được phân loại dựa trên nhiệt độ và sắc thái, và sau đó nhập các giá trị đó vào biểu thức hồi quy của từng ảnh mờ riêng lẻ để hồi quy trở lại hình ảnh rõ nét ban đầu của chúng có thể trông như thế nào. Quá trình này được thực hiện riêng lẻ cho mọi điểm trên bức ảnh và tổng kết được sử dụng để tạo ra giá trị chênh lệch chung nhỏ nhất.



Văn phòng NVIDIA. Nasdaq trên Twitter



Thuật toán hoạt động để học hỏi từ những nỗ lực trước đây về những màu sắc và mẫu nhất định trên màn hình biểu thị. Khi hệ thống này được phát triển, nó có hàng ngàn hình ảnh gốc và mờ để máy có thể xác định các mẫu và màu sắc trên màn hình tương ứng với các rãnh và cạnh nào trong hình ảnh gốc. Đã được thử nghiệm nhiều lần, NVIDIA đã cố gắng dạy chip AI của mình học hỏi từ các thử nghiệm trước đó và lưu trữ cơ sở dữ liệu gồm các mã đồ họa phù hợp được chuyển đổi thành mã toán học dựa trên vị trí, màu sắc và nhiệt độ. Sử dụng kinh nghiệm trong quá khứ và các mối quan hệ được thiết lập giữa hình ảnh mờ và rõ nét của cùng một vị trí và tông màu, máy sẽ tạo ra những hình ảnh mới, áp dụng các công thức phù hợp nhất với tông màu và nhiệt độ của ảnh mới. NVIDIA đã đưa thuật toán của họ qua đủ thử nghiệm để có một cơ sở dữ liệu lưu giữ đủ mạnh mà AI có thể khai thác khi làm việc trên các hình ảnh mới hơn và cơ chế này hiện tự hoạt động, có thể phát hiện hầu như bất kỳ hình ảnh nào bằng cách đào tạo về học tăng cường (RL) . Ví dụ: sau khi phát hiện đủ khuôn mặt, máy có thể tạo ra những khuôn mặt mờ khi đưa vào thử nghiệm vì nó hiểu được những rãnh mờ nào tương ứng với những đặc điểm khuôn mặt nào trong sự thật. Việc tiếp xúc với các loại nhiễu khác nhau chẳng hạn như hình ảnh phóng đại, quét trắng, lọc và có kết cấu cũng đã được thêm vào cơ sở dữ liệu thuật toán.



Trong thuật toán của toán học , chương trình đọc các loci bị lỗi và xóa tương ứng trên các hình ảnh tương ứng, ghi x, y, x ’và y’ vào cơ sở dữ liệu của nó. Sau đó, nó tạo ra một đường cong hồi quy gaussian để phù hợp với sự khác biệt giữa hai đường cong này cho phép chuyển đổi dựa trên nhiễu ảnh chung. Trong biểu thức hồi quy bình phương nhỏ nhất được tạo, giá trị thấp nhất thỏa mãn điều kiện được lấy và một đường cong mới của giá trị gaussian được vẽ. Khi chuyển đổi hình ảnh trở lại chất lượng rõ ràng ban đầu, nhiệt độ của mọi điểm được thay đổi dựa trên sự khác biệt của mẫu hồi quy trong cơ sở dữ liệu của máy AI tương ứng với màu sắc và kiểu cụ thể đó và mỗi điểm được lật lại để tạo ra hình ảnh rõ ràng hoàn toàn. Cơ chế uốn gaussian gây ra các dạng nhiễu chung nhất nhưng nếu thiết bị có thể xác định các dạng nhiễu khác thường được cho là do tốc độ cửa trập không đúng thời gian hoặc độ che bóng chung của ảnh chụp, giá trị chênh lệch nhỏ nhất của gaussian được tính trung bình với giá trị chênh lệch nhỏ nhất của tập dữ liệu là poisson (đối với trước) và Bernoulli (đối với sau).

Hình ảnh hỗ trợ trí tuệ nhân tạo. BT

Theo thuật ngữ của giáo dân, vai trò của trí tuệ nhân tạo trong việc này là phát hiện và chuyển đổi thông minh các bức ảnh độc đáo dựa trên một tập hợp thực tiễn đã được thiết bị thực hiện. Khi nói đến cấp độ trí tuệ nhân tạo đạt được ngày nay, vẫn còn ở giai đoạn chưa đặc biệt độc lập và nỗ lực của nó bị giới hạn trong phạm vi các kịch bản đã được thực hành, NVIDIA đã đạt được rất nhiều thành công trong việc tạo ra một cỗ máy có thể thử và tái tạo những bức ảnh không nhìn thấy với độ chính xác cao nhất bằng cách luôn điều chỉnh và mở rộng cơ sở dữ liệu của nó để cải thiện tỷ lệ thành công của những lần quay ảnh tiếp theo.