ESRGAN እና GAN ልዕለ-ጥራት መመሪያ

አጠቃላይ እይታ

It matters because it set the template for photo-realistic super-resolution that still influences tools today.

ጥልቅ ዳይቭ

ESRGAN (የተሻሻለ ልዕለ-ጥራት Generative Adversarial Network)፣ በ2018 አስተዋወቀ፣ በቀደመው SRGAN ላይ ተሻሽሏል። ብዙ ጥቅጥቅ ያሉ ግንኙነቶችን ያለ ባች መደበኛነት የሚከምር ከቀሪ-ውስጥ-ቀሪ ጥቅጥቅ ብሎኮች (RRDB) የተሰራ ጀነሬተር ይጠቀማል፣ ይህም ደራሲዎቹ ቅርሶችን እንደፈጠሩ ደርሰውበታል። የተለየ አድሎአዊ አውታር እንደ ፀጉር፣ ጡብ እና ቅጠሎች ያሉ አሳማኝ ሸካራዎችን ለማሳመን ጄነሬተሩን በመግፋት እውነተኛ ባለከፍተኛ ጥራት ፎቶዎችን ከተፈጠሩት ለመናገር ይሞክራል። ESRGAN ሶስት ኪሳራዎችን ያጣምራል፡ የፒክሰል-ጥበበኛ ይዘት መጥፋት፣ ከማግበር በፊት በVGG ባህሪ ካርታዎች ላይ የሚለካ የአመለካከት ኪሳራ እና የተቃራኒ መጥፋት። እንዲሁም እውነተኛ ምስሎች ከሐሰተኛ ምስሎች የበለጠ እውነታዊ ይመስላሉ ወይም አይመስሉም የሚፈርድ፣ ስልጠናን የሚያጎለብት 'አንጻራዊ' አድሎአዊ አስተዋውቋል። ESRGAN የ2018 የPIRM የማስተዋል ልዕለ-ጥራት ፈተናን አሸንፏል።

ቴክኒካዊ ግንዛቤ

ዋናው ሀሳብ ለግንዛቤ እውነታ የፒክሰል ትክክለኛነት መገበያየት ነው። የፒክሰል ኪሳራዎች ልክ እንደ MSE አማካኝ ከአሳማኝ ሸካራማነቶች በላይ፣ ለስላሳ፣ ደብዛዛ ውፅዓት ይሰጣል። የተቃራኒው ኪሳራ በምትኩ ወደ በርካታ እውነተኛ ምስሎች እንዲወጣ ያስገድዳል፣ ስለዚህ ጀነሬተር ወደ አንድ ሹል እና አሳማኝ ሸካራነት ይሰጣል። የESRGAN አንጻራዊ አማካኝ አድሎአዊ ከመደበኛ አድሎአዊ የበለጠ ቅልጥፍና ያለው መረጃ የሚያስተላልፍ እና ጥርት ያለ ጠርዞችን ከሚያመነጨው ከውሸት ይልቅ ምን ያህል የበለጠ ተጨባጭ እንደሆነ ይገምታል።

ስልታዊ ተጽእኖ

ፍጥነት እና ልኬት

ቪዥዋል AI የመመርመሪያ፣ የማወቅ እና የመለያ ስራዎችን በሚዛን መጠን በራስ ሰር ሊያደርግ ይችላል።

ምርጫዎችን ይገንቡ

የፈጠራ ቡድኖች በጥቂት የእጅ ክለሳዎች ጽንሰ-ሀሳቦችን በፍጥነት መተየብ ይችላሉ።

ቡድን እና የስራ ፍሰት

ክዋኔዎች ከዚህ ቀደም ለማስኬድ አስቸጋሪ የነበሩትን የምስል እና የቪዲዮ ምልክቶችን መጠቀም ይችላሉ።

የESRGAN እና GAN ሱፐር-ጥራት የወደፊት

ንፁህ የጋን ሱፐር-ጥራት የበለጠ የተረጋጋ ስልጠና እና የተሻለ ቁጥጥር በሚያቀርቡ በትራንስፎርመር የጀርባ አጥንቶች እና በስርጭት ላይ የተመሰረቱ upscalers እየተዋሃደ ወይም እየተተካ ነው። አሁንም፣ የESRGAN's RRDB ጀነሬተር እና ግንዛቤ-ፕላስ-ተጋጭ የምግብ አዘገጃጀት መመሪያ ስፍር ቁጥር በሌላቸው የጨዋታ-ሸካራነት ሞጁሎች እና የፎቶ መሳሪያዎች ውስጥ የተካተተ ጠንካራ እና ቀላል ክብደት ያለው መነሻ መስመር ነው። የስርጭት ልዩነት እና የትራንስፎርመሮች የረዥም ጊዜ አውድ እየተበደሩ የ GANን ጥርት የሚያደርጉ ዲቃላ ሞዴሎችን ይጠብቁ እና በመሳሪያ ላይ ለእውነተኛ ጊዜ ከፍ ለማድረግ ጥብቅ ስራን ይጠብቁ።

የእውነተኛ-ዓለም አተገባበር

ዝቅተኛ ጥራት ሸካራማነቶችን በቪዲዮ ጌም ሞዲዎች ማሻሻል (በ'AI Upscale' moding ማህበረሰብ ውስጥ ለአሮጌ ፒሲ አርእስቶች ታዋቂ)

በትላልቅ መጠኖች ከመታተሙ በፊት የቆዩ የቤተሰብ ፎቶግራፎችን ወይም የተቃኙ ምስሎችን ማሻሻል

ከዝቅተኛ ጥራት መዝገብ ቤት ወይም ከክትትል ቀረጻ የወጡ ቋሚዎችን በማሻሻል ላይ

ከትንሽ ማጣቀሻ ምስሎች ለሚሰሩ 3D አርቲስቶች ባለከፍተኛ ጥራት ሸካራነት ካርታዎችን ማፍለቅ

አደጋዎች እና የጥበቃ መንገዶች

የምስል መብቶች እና ፈቃድ ግልጽ ካልሆነ ህጋዊ አደጋዎች ሊሆኑ ይችላሉ።

የሞዴል አፈጻጸም በብርሃን፣ በስነ-ሕዝብ እና በአካባቢው ሊለያይ ይችላል።

የመተማመን ገደቦች ካልተቆጣጠሩ የውሸት አወንታዊ ነገሮች ላይታዩ ይችላሉ።

የትግበራ ፍኖተ ካርታ

ለትክክለኛነት፣ ለማስታወስ እና ለስህተት ወጪዎች የመቀበያ መስፈርቶችን ይግለጹ።

ከእውነተኛ የምርት ሁኔታዎች ጋር በሚዛመድ ውሂብ ይሞክሩ።

ለዝቅተኛ እምነት ወይም ከፍተኛ ተጽዕኖ ትንበያ የሰው ግምገማን ያክሉ።

ከካሜራ ወይም የውሂብ ስብስብ ለውጦች በኋላ የሞዴሉን ተንሸራታች ይከታተሉ እና እንደገና ያረጋግጡ።

ማሰስዎን ይቀጥሉ

የኮምፒውተር እይታ

ምስላዊ AIን የሚያበረታቱ መሰረታዊ ስርዓቶችን ይረዱ።

መመሪያ ያንብቡ

AI ምስል ማመንጨት

የፍጥረት የስራ ፍሰቶችን እና የሞዴል ንግድን ያስሱ።

መመሪያ ያንብቡ

Free newsletter

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the ESRGAN and GAN Super-Resolution quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

ጥያቄ ጀምር

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

ቀጣይ መመሪያ

የምስል ልዕለ-ጥራት

ቀጣዩን መመሪያ ያንብቡ ሁሉንም ጥያቄዎች ያስሱ

በተደጋጋሚ የሚጠየቁ ጥያቄዎች

What is ESRGAN and GAN Super-Resolution?

ኢኤስአርጋን ምስሎችን ሲያሳድጉ፣ ከደበዘዙ መጠላለፍ በዘለለ ተጨባጭ ዝርዝሮችን ለመፈልሰፍ የጄነሬተር-አድሎአዊ ውድድርን ይጠቀማል። ዛሬም ቢሆን በመሳሪያዎች ላይ ተጽእኖ ላለው የፎቶ-እውነታዊነት ልዕለ-ጥራት አብነት ስላዘጋጀ አስፈላጊ ነው።

በESRGAN ውስጥ ያለው 'GAN' ምንን ያመለክታል?

GAN በስልጠና ወቅት ጀነሬተር እና አድልዎ የሚወዳደሩበት ማዋቀር ለ Generative Adversarial Network ማለት ነው።

የESRGAN ጄነሬተር በዋነኝነት የሚጠቀመው የትኛውን የግንባታ ብሎክ ነው?

የESRGAN ጄኔሬተር ቀሪ-ውስጥ-ቀሪ ጥቅጥቅ ብሎኮችን (RRDB)፣ ጥቅጥቅ ያሉ ተያያዥ ቀሪ ክፍሎችን እንደ ዋና መዋቅሩ ይከታል።

የESRGAN ደራሲዎች የቡድን መደበኛነትን ከጄነሬተር ለምን አስወገዱት?

ደራሲዎቹ ባች ኖርማልላይዜሽን እጅግ በጣም ጥራት ባለው ውፅዓት ውስጥ ደስ የማይል ቅርሶችን እንዳመረተ ደርሰውበታል፣ ስለዚህ ከRRDB ብሎኮች አስወግደውታል።

ከፒክሰል-ኪሳራ-ብቻ ዘዴዎች ጋር ሲነጻጸር ESRGAN ዋናው የንግድ ልውውጥ ምንድነው?

የተቃራኒው ኪሳራ ውጤቶቹን ወደ እውነታዊ የሚመስሉ ሸካራዎች ይገፋል ምንም እንኳን የግለሰብ ፒክስል ዋጋዎች ከመሬት እውነት ቢለያዩም።

የESRGAN የማስተዋል (VGG) ኪሳራ የሚለካው የት ነው?

ESRGAN ከማግበር ተግባሩ በፊት በVGG ባህሪ ካርታዎች ላይ የማስተዋል ኪሳራን ያሰላል፣ ይህም ደራሲዎቹ ያገኙትን የላቀ ውጤት አስገኝቷል።