На международной конференции по машинному обучению в Стокгольме команда ученых, в которую вошли специалисты из Nvidia, Университета Аалто и Массачусетского технологического института (MIT), представила интересный проект системы искусственного интеллекта.
Данная система построена на базе профессиональных ускорителей Nvidia Tesla P100 с фреймворком глубокого обучения TensorFlow и библиотекой cuDNN. Нейросеть позволяет автоматически устранять шумы и артефакты с фотографий, сделанных в условиях слабого освещения, а также убирать зернистость и пикселизацию со старых изображений.
Команда проекта обучила свою систему на 50 000 изображениях из набора ImageNet. Примечательно, что в отличие от предыдущих разработок, созданная нейросеть не требует загрузки «чистых» аналогов фотографий и может обрабатывать только изображения с шумом или зерном. Данный метод может использоваться не только для домашнего фотоархива, но и для улучшения МРТ-снимков, что должно значительно усовершенствовать качество визуализации в медицине.
«В обычной жизни есть ряд ситуаций, когда действительно сложно получить чистые образцы для обучения нейросети: фотографии в условиях низкой освещенности (например, астрономические снимки), физически корректный рендеринг и магнитнорезонансная визуализация», — объясняют разработчики.
«Наши демонстрации позволяют потенциально получить весомые преимущества в данных областях, устраняя необходимость в зачастую трудоемком процессе получения чистых данных. Конечно, здесь есть свои ограничения. Мы не можем воссоздать объекты, которые отсутствуют в наборе для обучения. Но это ограничение относится в равной степени и к обучению на основе чистых изображений».
Источник:
Nvidia