LegközelebbKövetkező útmutató
SPADE szemantikus képszintézis
Vizuális AI
Vizuális MI ÚTMUTATÓ
A képszínezés mesterséges intelligencia segítségével hihető, valósághű színeket ad a fekete-fehér fényképekhez és filmekhez.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Ez azért fontos, mert életre kelti a történelmi archívumokat, és kézi festés nélkül helyreállítja a fakult vagy szürkeárnyalatos képeket.
A színezés alapvetően egy rosszul felállított probléma: egyetlen szürke pixelben több szín is lehet, mivel a fényerő önmagában nem kódolja az árnyalatot. A modern rendszerek előrejelzésként kezelik, több millió színes fotóból tanulva, amelyeket mesterségesen szürkeárnyalatossá alakítottak át. A konvolúciós vagy transzformátoros hálózat csak a világossági csatornát látja, és megjósolja a hiányzó színcsatornákat, jellemzően a CIE Lab színterében, ahol az L a fényerőt, az a/b pedig a színt. Mivel a fű általában zöld, az ég pedig általában kék, a modell erős statisztikai prioritásokat tanul. Zhang és társai mérföldkőnek számító munkája. (2016) úgy fogalmazta meg, mint a színkockák osztályozását, hogy elkerülje a kimosott, telítetlen átlagokat. Az újabb diffúziós és példa alapú módszerek lehetővé teszik a felhasználók számára, hogy a színeket tippekkel vagy referenciaképekkel irányítsák a jobb szabályozás érdekében.
Világháborús történelmi és 19. századi archív fényképek színesített változatainak restaurálása múzeumok és dokumentumfilmek számára
Klasszikus fekete-fehér filmek és tévéfelvételek színesítése az újramasterált újrakiadásokhoz
Családi fotóalkalmazások (például a MyHeritage és a Google Photos), amelyek automatikusan kiszínezik a régi ősi pillanatképeket
Szürkeárnyalatos orvosi vagy tudományos szkennelések színezése a struktúrák kiemelése és a vizuális értelmezés javítása érdekében
A színezés az interaktív, vezérelhető eszközök felé halad, ahol a felhasználó rákattint egy színre, és a modell következetesen terjeszti azt. A diffúziós modellek és a nyelvi utasítások ("make the dress piros") szemantikai vezérlést adnak, míg az időtudatos hálózatok egész filmeket színeznek anélkül, hogy kockáról kockára villognának. Szorosabb integrációra számíthat a helyreállítási folyamatokkal, amelyek egyszerre zajtalanítanak, felskáláznak és színeznek, valamint erősebb biztosítékok, amelyek jelzik, hogy a színek mesterséges intelligencia által kikövetkeztetett találgatások, nem pedig történelmi tények.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A képszínezés mesterséges intelligencia segítségével hihető, valósághű színeket ad a fekete-fehér fényképekhez és filmekhez. Ez azért fontos, mert életre kelti a történelmi archívumokat, és kézi festés nélkül helyreállítja a fakult vagy szürkeárnyalatos képeket.
A fényerő önmagában nem határozza meg az árnyalatot, így egy szürke pixel valószínűleg lehet piros, kék vagy zöld, ami félreérthetővé teszi a választ.
A szürkeárnyalatos kép az L csatorna; a modell megjósolja a hiányzó a és b színcsatornákat, és újrakombinálja azokat L-vel.
Egyetlen érték visszafejlődése hajlamos több elfogadható szín átlagolására sáros barna-szürkévé; a rekeszekbe sorolással a színek élénkek maradnak.
A hatalmas adatkészletekre vonatkozó képzés megtanítja a modellnek, hogy a fű általában zöld, az ég általában kék, és a bőrtónusok bizonyos tartományokba esnek.
Ha minden képkockát egymástól függetlenül színeznek, ugyanaz az objektum eltolja az árnyalatot a képkockák között, ami zavaró villódzást okoz; az időbeli modellek ezzel foglalkoznak.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
SPADE szemantikus képszintézis
Vizuális AI