دقة LaMa - طلاء قوي
LaMa (الرسم على قناع كبير) عبارة عن شبكة عصبية سريعة وخفيفة الوزن تعمل على ملء المناطق المفقودة أو المحذوفة من الصورة بشكل نظيف، حتى عندما تكون الحفرة ضخمة.
نظرة عامة
It matters because it produces convincing fills at resolutions far higher than it was trained on, making professional object removal accessible to anyone.
الغوص العميق
يعالج LaMa، الذي قدمه باحثو الذكاء الاصطناعي من سامسونج في عام 2021، مشكلة طويلة الأمد: معظم نماذج الطلاء تتشوه أو تمويه عندما يُطلب منها ملء أقنعة كبيرة أو مواد متكررة مثل جدران من الطوب وأرضيات من البلاط. ويتمثل اختراقها في استخدام تلافيفات فورييه السريعة (FFCs)، والتي تمنح الشبكة مجال استقبال عالمي في طبقة واحدة بدلاً من الحاجة إلى العشرات من التلافيفات المكدسة. يتيح ذلك لـ LaMa "رؤية" الصورة بأكملها مرة واحدة ومواصلة الهياكل الدورية بشكل متماسك. يتم تدريبه بمزيج من الخسارة العدائية والخسارة الإدراكية بناءً على شبكة تستخدم في حد ذاتها مجالات استقبال واسعة. يتم تعميم النتيجة بشكل جيد بشكل ملحوظ، وغالبًا ما يتم رسم صور بدقة 2K بشكل نظيف بعد التدريب على المحاصيل الصغيرة فقط.
البصيرة الفنية
المكون الرئيسي هو التفاف فورييه السريع. ينظر الالتواء العادي فقط إلى رقعة محلية صغيرة، لذا فإن التقاط بنية بعيدة المدى يتطلب شبكة عميقة جدًا. يقوم FFC بتحويل جزء من خريطة المعالم إلى مجال التردد، ويطبق التفافًا هناك، ثم يحول مرة أخرى. نظرًا لأن عمليات مجال التردد عالمية بطبيعتها، فإن طبقة FFC واحدة تمزج المعلومات عبر الصورة بأكملها، مما يساعد LaMa على تكرار الأنسجة واحترام الهندسة العالمية مثل حواف الجدار.
التأثير الاستراتيجي
السرعة والحجم
يمكن للذكاء الاصطناعي المرئي أتمتة مهام الفحص والكشف ووضع العلامات على نطاق واسع.
خيارات البناء
يمكن للفرق الإبداعية إنشاء نماذج أولية للمفاهيم بشكل أسرع مع عدد أقل من المراجعات اليدوية.
الفريق وسير العمل
يمكن أن تستخدم العمليات إشارات الصور والفيديو التي كان من الصعب معالجتها في السابق.
مستقبل دقة LaMa - الرسم القوي
يظل LaMa بمثابة خط أساس قوي وفعال ومضمن على نطاق واسع في الأدوات المجانية ومحرري الصور مفتوحة المصدر لأنه يعمل بسرعة على أجهزة متواضعة بدون نموذج انتشار عملاق. الاتجاه السائد هو خطوط الأنابيب الهجينة: استخدم LaMa للتعبئة الهيكلية الفورية والمسودات الأولية، ثم قم بتحسين التفاصيل اختياريًا باستخدام نموذج الانتشار. توقع أن تستمر فكرة Fourier-convolution في الظهور في التحرير في الوقت الفعلي، وإصلاح إطار الفيديو، وتنظيف الصور المحمولة على الجهاز حيث تكون السرعة والذاكرة المنخفضة أكثر أهمية.
التنفيذ في العالم الحقيقي
إزالة السائحين أو مفسدي الصور من صور السفر مع الحفاظ على سلاسة جدار الخلفية أو السماء
مسح العلامات المائية أو الطوابع الزمنية أو الشعارات من الصور لأعمال الترميم المشروعة
حذف خطوط الكهرباء وإشارات الشوارع من صور قوائم العقارات
استعادة الصور الممسوحة القديمة أو التالفة عن طريق ملء الخدوش والتمزقات والزوايا المفقودة
المخاطر والدرابزين
يمكن أن تصبح حقوق الصور والموافقة مخاطر قانونية إذا كان المصدر غير واضح.
يمكن أن يختلف أداء النموذج عبر الإضاءة والتركيبة السكانية والبيئات.
قد تمر الإيجابيات الكاذبة دون أن يلاحظها أحد ما لم تتم مراقبة عتبات الثقة.
خارطة طريق التنفيذ
تحديد معايير القبول لتكاليف الدقة والاستدعاء والخطأ.
اختبار مع البيانات التي تتوافق مع ظروف الإنتاج الحقيقية.
أضف مراجعة بشرية للتنبؤات منخفضة الثقة أو عالية التأثير.
تتبع انحراف النموذج وإعادة التحقق من صحته بعد تغيير الكاميرا أو مجموعة البيانات.
استمر في الاستكشاف
Free newsletter
Get the daily AI briefing
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 LaMa Resolution-Robust Inpainting quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
الدليل التالي
برنامج CodeFormer القوي لاستعادة الوجه
الأسئلة المتداولة
What is LaMa Resolution-Robust Inpainting?
LaMa (الرسم على قناع كبير) عبارة عن شبكة عصبية سريعة وخفيفة الوزن تعمل على ملء المناطق المفقودة أو المحذوفة من الصورة بشكل نظيف، حتى عندما تكون الحفرة ضخمة. إنه أمر مهم لأنه ينتج عمليات تعبئة مقنعة بدقة أعلى بكثير مما تم التدريب عليه، مما يجعل إزالة الكائنات بشكل احترافي في متناول أي شخص.
ما هو المكون المعماري المميز الذي يمنح LaMa رؤيتها العالمية للصورة؟
تستخدم LaMa تقنية تحويلات فورييه السريعة (FFCs)، والتي تعمل جزئيًا في مجال التردد لتوفير مجال استقبال عالمي في طبقة واحدة.
لماذا تتعامل LaMa مع الأقنعة الكبيرة بشكل أفضل من العديد من نماذج الرسم السابقة؟
نظرًا لأن FFCs ترى الصورة بأكملها مرة واحدة، يمكن لـ LaMa متابعة الأنسجة والهندسة بشكل متماسك حتى عبر المناطق المفقودة الكبيرة جدًا.
إحدى نقاط القوة الملحوظة في LaMa هي قدرتها على رسم الصور بأي نوع من الدقة؟
يعمم LaMa بشكل جيد على الدقة الأعلى من تلك التي شوهدت أثناء التدريب، ولهذا السبب يطلق عليه اسم "قوية الدقة".
ما نوع الأنسجة التي يتعامل معها LaMa بشكل جيد بفضل معالجته لمجال التردد؟
إن تلافيف مجال التردد مناسبة تمامًا للأنماط الدورية، لذلك يستمر LaMa في تكرار الأنسجة مثل الجدران المبنية من الطوب والأرضيات المبلطة.
ما هي الخسارة التي تساعد LaMa على إنتاج عمليات تعبئة ذات مظهر واقعي بدلاً من المتوسطات الباهتة؟
يجمع LaMa بين الخسائر العدائية والإدراكية، مما يشجع على الحصول على مواد حادة ومعقولة بدلاً من وحدات البكسل المتوسطة الباهتة.