Netwọk na-emebi ma na-emebi emebi
Netwọk na-emebi emebi ma na-emebi emebi bụ ụdị akwara na-ehichapụ onyonyo mkpọtụ ma ọ bụ nke na-adịghị ahụkebe, na-eweghachi nkọwa dị nkọ site na ntinye adịghị mma.
Nchịkọta
They matter because nearly every camera, phone, and medical scanner produces imperfect images that these networks can rescue.
Ime miri emi
Ịjụ ọnụ na-ewepụ ọka na-enweghị usoro (na-abụkarị site na obere ọkụ ma ọ bụ ISO dị elu), ebe nzacha na-atụgharị smearing site na ịma jijiji igwefoto, ngagharị, ma ọ bụ enweghị nchekwube. Ha abụọ bụ ọrụ 'nweghachi onyonyo' ebe netwọk na-amụta eserese eserese site na foto rụrụ arụ gaa na nke dị ọcha. Modeldị omimi dị omimi dị ka DnCNN mụtara ịkọ mkpọtụ n'onwe ya, wee wepụ ya, ebe ọrụ mechara jiri U-Net encoder-decoders na-akpakọ ma na-ewughachi onyonyo. Deblurring siri ike karị n'ihi na blur 'kernel' (ka esi esi sie pikselụ ọ bụla) na-adịkarịghị ama, yabụ netwọk ndị na-eme mkpọtụ ga-atụle ma kernel na onyonyo dị nkọ. A na-eme ụzọ abụọ ọzụzụ site na ịgbakwụnye mkpọtụ ma ọ bụ blur iji mee ka foto dị ọcha ka netwọk wee hụ azịza ziri ezi.
Nghọta nka nka
Ọtụtụ ndị denoisers na-eji mmụta fọdụrụnụ: kama ịkọ ihe oyiyi dị ọcha ozugbo, DnCNN na-ebu amụma ihe fọdụrụnụ ma wepụ ya, nke dị mfe iji bulie ya. Deblurring na-ejikarị atụmatụ dị iche iche ma ọ bụ nke na-emegharị ihe na-eme ka onyinyo ahụ dịkwuo mma. Ọrụ mfu na-ejikọta njehie pikselụ (L1/L2) yana mfu nhụsianya ma ọ bụ nhụsianya ka nsonaazụ ya dị ka eke kama ịbụ nke na-adịghị mma. Aghụghọ a na-ahụ maka onwe ya dị ka Noise2Noise ọbụna na-azụ ọzụzụ na-enweghị ebumnuche dị ọcha site na ịdepụta otu etiti mkpọtụ na nke ọzọ.
Mmetụta atụmatụ
Ọsọ na ọnụ ọgụgụ
Visual AI nwere ike megharịa nyocha, nchọpụta na mkpado ọrụ n'ọtụtụ.
Mee nhọrọ
Otu ndị na-emepụta ihe nwere ike imepụta echiche ngwa ngwa site na ngbanwe akwụkwọ ntuziaka ole na ole.
Team na usoro ọrụ
Ọrụ nwere ike iji onyonyo na akara vidiyo siri ike ịhazi.
Ọdịnihu nke Netwọk na Deblurring
Ndị na-eweghachi mgbasa ozi na-aghọ ọkọlọtọ ọhụrụ, na-emeso ịkatọ dị ka isi nke nleba anya na-emepụta ma na-emepụta textures dị nro. Ihe nrịba ama nbibi nke ụwa dị n'ezie (ọ bụghị naanị sịntetik) dị ka SIDD na-akwanye ụdị n'ihu mkpọtụ igwefoto n'ezie. Na-atụ anya na ngwaọrụ, ezigbo oge mweghachi esiri n'ime ekwentị ISP na oku vidiyo, gbakwunyere ụdị 'ihe niile n'ime otu' nke na-ejikwa mkpọtụ, blur, mmiri ozuzo na haze ọnụ. Oke oke ahụ na-edozi mgbake zuru oke nke kwesịrị ntụkwasị obi megide udidi na-adọrọ adọrọ nke na-adịbeghị ebe ahụ.
Mmejuputa n'ezie n'ụwa
Ọnọdụ abalị Smartphone na-atụkọ ma na-ekwupụta ọtụtụ okpokolo agba gbara ọchịchịrị n'otu foto dị obere dị ọcha
Na-ewepụ nhụsianya ngagharị na mpempe akwụkwọ ikike ma ọ bụ ihu na nchekwa na eserese nyocha
Na-ehicha ọka na ihe mkpakọ sitere na vidiyo ochie ma ọ bụ obere bitrate tupu ịkwanye
Mbelata mkpọtụ na nyocha CT na MRI dị ala ka ndị dọkịta nwee ike belata radieshon ka ha na-edobe nkọwa
Ihe ize ndụ & okporo ụzọ nche
Ikike onyonyo na nkwenye nwere ike bụrụ ihe egwu dị n'iwu ma ọ bụrụ na edoghị anya.
Ọrụ nlereanya nwere ike ịdịgasị iche n'ofe ọkụ, igwe mmadụ, na gburugburu.
Enwere ike ghara ịhụ ihe dị mma ma ọ bụrụ na enyochaghị oke ntụkwasị obi.
Map mmejuputa
Kọwaa ụkpụrụ nnabata maka nkenke, icheta, na ụgwọ njehie.
Nwalee na data dabara na ọnọdụ mmepụta n'ezie.
Tinye nyocha mmadụ maka obere obi ike ma ọ bụ amụma mmetụta dị elu.
Sochie ihe nlere anya wee megharịa ka emechara mgbanwe igwefoto ma ọ bụ dataset.
Nọgide na-eme nchọpụta
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 Denoising and Deblurring Networks 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
Ntuziaka na-esote
Netwọk ndị fọdụrụ
Ajụjụ a na-ajụkarị
What is Denoising and Deblurring Networks?
Netwọk na-emebi emebi ma na-emebi emebi bụ ụdị akwara na-ehichapụ onyonyo mkpọtụ ma ọ bụ nke na-adịghị ahụkebe, na-eweghachi nkọwa dị nkọ site na ntinye adịghị mma. Ha dị mkpa n'ihi na ihe fọrọ nke nta ka ọ bụrụ igwefoto ọ bụla, ekwentị, na nyocha ahụike na-emepụta foto na-ezughị okè nke netwọk ndị a nwere ike ịzọpụta.
Kedu ihe DnCNN na-ebu amụma n'oge ọzụzụ?
DnCNN na-eji mmụta fọdụrụnụ, na-ebu amụma mkpọtụ n'onwe ya ka e wee wepụ ya, nke dị mfe karịa iwughachi ihe oyiyi niile dị ọcha.
Kedu ihe kpatara eji ele nhụsianya kpuru ìsì siri ike karịa ịgọnarị?
N'ime nbibi kpuru ìsì, netwọk ahụ ga-atụle ma kernel blur amabeghị na onyonyo dị nkọ ozugbo, na-eme ka ọ bụrụ nsogbu na-adịghị mma.
Kedu otu esi emepụta ụzọ abụọ ọzụzụ maka netwọkụ ndị a?
Ndị na-eme nchọpụta na-eweda onyonyo dị ọcha site na iji mkpọtụ simulated ma ọ bụ blur ka netwọk wee nwee ebumnuche dị ọcha nke ọma ịmụta na ya.
Kedu ihe owuwu a na-ejikarị dị ka ọkpụkpụ azụ maka mweghachi ihe oyiyi?
U-Net ụdị encoder-decoders mpikota onu wee wughachi onyonyo a site na iji njikọ mwụpụ na-echekwa nkọwa zuru ezu, na-eme ka ha bụrụ ndị ewu ewu maka mweghachi.
Kedu ihe bụ isi echiche dị n'azụ ụzọ ọzụzụ Noise2Noise?
Noise2Noise na-egosi na ị nwere ike ịzụ onye denoiser site na iji ụzọ abụọ nke onyonyo mkpọtụ, ebe netwọk na-amụta akara ngosi dị ọcha na-atụ anya.