คุณคงเคยเห็นภาพยนตร์แฟนตาซีหรือรายการทีวีที่ตัวละครหลักขอให้ขยายภาพและปรับปรุงผลลัพธ์ - เพื่อแสดงใบหน้า ป้ายทะเบียนรถ หรือรายละเอียดสำคัญอื่นๆ ระบบปัญญาประดิษฐ์ (AI) ล่าสุดของ Google ตามสิ่งที่เรียกว่า แบบจำลองการแพร่กระจายสามารถทำเคล็ดลับนี้ได้
เป็นกระบวนการที่ยุ่งยากในการฝึกฝนให้ชำนาญ เพราะโดยพื้นฐานแล้วจะต้องเพิ่มรายละเอียดให้กับภาพที่กล้องไม่ได้จับภาพไว้ตั้งแต่แรก โดยใช้การคาดเดาอันชาญฉลาดจากภาพอื่นๆ ที่คล้ายกัน
ที่ Google เทคนิคนี้เรียกว่าการสังเคราะห์ภาพตามธรรมชาติ และในสถานการณ์เฉพาะนี้ จะใช้ความละเอียดของภาพสูงเป็นพิเศษ คุณเริ่มต้นด้วยภาพถ่ายขนาดเล็กที่มีพิกเซลและจบลงด้วยภาพที่คมชัด ชัดเจน และเป็นธรรมชาติ อาจไม่ตรงตามต้นฉบับเป๊ะๆ แต่ก็ใกล้เคียงพอที่จะดูสมจริงในสายตามนุษย์
Google ได้เปิดตัวเครื่องมือ AI ใหม่สองตัวสำหรับงานนี้ แบบแรกเรียกว่า SR3 หรือ Super-Resolution ผ่านการปรับแต่งซ้ำๆ และทำงานโดยเพิ่มจุดรบกวนให้กับภาพแล้วลบออก ด้วยชุดการคำนวณความน่าจะเป็นตามฐานข้อมูลขนาดใหญ่ของรูปภาพและเวทมนตร์การเรียนรู้ของเครื่อง SR3 สามารถจินตนาการได้ว่าภาพพิกเซลความละเอียดต่ำในเวอร์ชันความละเอียดสูงพิเศษจะมีลักษณะอย่างไร
เครื่องมือที่สองคือ CDM หรือแบบจำลองการแพร่กระจายแบบเรียงซ้อน Google อธิบายว่าสิ่งเหล่านี้เป็น "ไปป์ไลน์" ซึ่งโมเดลการแพร่กระจาย ซึ่งรวมถึง SR3 สามารถนำไปลดขนาดภาพคุณภาพสูงได้ ต้องใช้รูปแบบการปรับปรุงและทำให้เป็นภาพขนาดใหญ่ขึ้น
ด้วยการใช้โมเดลการปรับปรุงที่แตกต่างกันในความละเอียดที่แตกต่างกัน วิธี CDM สามารถทำได้ดีกว่าวิธีการลดขนาดรูปภาพทางเลือกตามที่ Google กล่าว เอ็นจิ้น AI ใหม่ได้รับการทดสอบบน ImageNet ซึ่งเป็นฐานข้อมูลขนาดใหญ่ของภาพการฝึกอบรมที่ใช้กันทั่วไปสำหรับการวิจัยเกี่ยวกับการจดจำวัตถุที่มองเห็น
ผลลัพธ์สุดท้ายของ SR3 และ CDM นั้นน่าประทับใจ ในการทดสอบมาตรฐานกับอาสาสมัคร 50 คน ภาพใบหน้ามนุษย์ที่สร้างโดย SR3 ถูกเข้าใจผิดว่าเป็นภาพถ่ายจริงประมาณ 50% ของเวลาทั้งหมด และเมื่อพิจารณาว่าอัลกอริทึมในอุดมคติควรได้ 50% ซึ่งถือว่าน่าประทับใจ เป็นสิ่งที่ควรค่าแก่การย้ำว่าภาพที่ปรับปรุงแล้วเหล่านี้ไม่ตรงกันทุกประการกับต้นฉบับ แต่เป็นการจำลองที่คำนวณอย่างรอบคอบตามคณิตศาสตร์ของความน่าจะเป็น
Google ให้คำมั่นสัญญามากขึ้นจากเครื่องมือ AI ใหม่และเทคโนโลยีที่เกี่ยวข้อง ไม่เพียงแต่ในแง่ของการเพิ่มภาพใบหน้าและวัตถุธรรมชาติอื่นๆ แต่ยังรวมถึงด้านอื่นๆ ของการสร้างแบบจำลองความน่าจะเป็นด้วย
อ่าน: