اگر به گذشته‌های دور نگاهی بیندازید، متوجه زمانی خواهید شد که نمایش‌های تلویزیونی و فیلم‌ها، مستعد به تصویر کشیدن تصاویر نویزی با رزولوشن و کیفیت پایین بودند و برطرف کردن این اشکالات و...
اگر به گذشته‌های دور نگاهی بیندازید، متوجه زمانی خواهید شد که نمایش‌های تلویزیونی و فیلم‌ها، مستعد به تصویر کشیدن تصاویر نویزی بارزولوشن و کیفیت پایین بودند و برطرف کردن این اشکالات و افزایش وضوح تصاویر، بیشتر شبیه به یک افسانه بود. به هرحال، به لطف توسعه فناوری هوش مصنوعی که می‌تواند به بهبود کیفیت تصاویر با رزولوشن پایین کمک کند، در حرکتی سریع و روبه‌جلو تا به امروز، این افسانه به آرامی رنگ واقعیت به خود گرفت.
در این مدت، شاهد تلاش‌های مختلفی نظیر برنامه Lets Enhance و همچنین فعالیت‌هایی از سوی شرکت گوگل در زمینه آموزش چگونگی ویرایش تصاویر به فناوری‌های هوش مصنوعی بوده‌ایم. به همین دلیل، مشاهده محققان دیگری که مشغول کار بر روی فناوری‌های مشابهی هستند، مایه تعجب نخواهد بود.
چیزی که پیش‌تر، اولویت تصویر عمیق (DIP) لقب گرفته بود، شبکه عصبی دیگری است که نه تنها می‌تواند کیفیت تصاویر با رزولوشن پایین را بهبود دهد؛ بلکه ظاهرا قادر است فایل‌های تصویری خراب را نیز تعمیر نماید.
موضوع جالب توجه در ارتباط با این روش خاص، این است که برخلاف سایر متدها که در ابتدا نیازمند اجرای فرآیند آموزش/یادگیری هوش مصنوعی هستند، شبکه عصبی DIP، در عوض از خود تصویر به عنوان یک راهنما استفاده می‌کند.
به گفته مقاله تحقیقاتی:
متد ما از یک شبکه حلقوی عمیق با مقداردهی تصادفی اولیه استفاده می‌کند تا نمونه‌برداری افزایشی از تصویر را اجرا کرده و از ساختار آن به عنوان تصویر قبلی، بهره‌برداری نماید. مشابه نمونه‌برداری افزایشی bicubic، این متد نیازی به یادگیری ندارد، اما نتایجی مطلوب‌تر، همراه با لبه‌هایی واضح‌تر را تولید خواهد کرد.
منبع ای تی رسان
