ESRGAN na GAN Super-azimio
ESRGAN hutumia shindano la jenereta-dhidi ya kibaguzi ili kuvumbua maelezo ya kweli wakati wa kuongeza picha, zaidi ya kufasiriwa kwa ukungu.
Muhtasari
It matters because it set the template for photo-realistic super-resolution that still influences tools today.
Dive ya kina
ESRGAN (Mtandao Ulioboreshwa wa Uzalishaji wa Azimio Bora), iliyoanzishwa mwaka wa 2018, iliboreshwa kwenye SRGAN ya awali. Inatumia jenereta iliyojengwa kutoka kwa Mabaki-ndani-Mabaki Dense Blocks (RRDB) ambayo huweka miunganisho mingi minene bila urekebishaji wa bechi, ambayo waandishi waligundua kuwa ilisababisha vizalia vya programu. Mtandao tofauti wa kibaguzi hujaribu kueleza picha halisi za ubora wa juu kutoka kwa zilizotengenezwa, na kusukuma jenereta kuhawilisha maumbo ya kushawishi kama vile nywele, matofali na majani. ESRGAN inachanganya hasara tatu: upotevu wa maudhui unaozingatia pikseli, upotevu wa kimawazo unaopimwa kwenye ramani za vipengele vya VGG kabla ya kuwezesha, na hasara inayotokana na adui. Pia ilianzisha kibaguzi cha 'kimahusiano' ambacho huamua kama picha halisi zinaonekana kuwa za kweli zaidi kuliko za uwongo, mafunzo ya kunoa. ESRGAN ilishinda shindano la 2018 la mtazamo wa azimio bora zaidi la PIRM.
Ufahamu wa Kiufundi
Wazo kuu ni kufanya biashara ya usahihi wa pikseli kwa uhalisia wa utambuzi. Upotezaji wa pikseli kama vile wastani wa MSE juu ya maumbo yanayokubalika, na kutoa matokeo laini, na ukungu. Upotevu wa adui badala yake hulazimisha utoaji kwenye msururu wa picha zinazoonekana halisi, kwa hivyo jenereta hujitolea kwa muundo mmoja mkali, unaokubalika. Kibaguzi wa wastani wa kiuhusiano wa ESRGAN anakadiria ni kiasi gani kiraka halisi ni cha uhalisia zaidi kuliko kile ghushi, ambacho huhamisha maelezo zaidi ya gradient na kutoa kingo nyusi zaidi kuliko kibaguzi wa kawaida.
Athari za kimkakati
Kasi na kiwango
Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
Tengeneza chaguzi
Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
Timu na mtiririko wa kazi
Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Mustakabali wa ESRGAN na Azimio Bora la GAN
Azimio safi kabisa la GAN linazidi kuchanganywa na au kubadilishwa na uti wa mgongo wa transfoma na viboreshaji vinavyotegemea uenezaji ambavyo vinatoa mafunzo thabiti na udhibiti bora zaidi. Bado, jenereta ya RRDB ya ESRGAN na kichocheo cha mtazamo-plus-adui husalia kuwa msingi thabiti na mwepesi uliopachikwa katika mods nyingi za muundo wa mchezo na zana za picha. Tarajia miundo mseto ambayo huhifadhi ukali wa GAN huku ukikopa utofauti wa uenezaji na muktadha wa masafa marefu wa vibadilishaji vya transfoma, na utumiaji mkali zaidi kwenye kifaa kwa uongezaji kasi wa wakati halisi.
Utekelezaji wa Ulimwengu Halisi
Kuongeza muundo wa azimio la chini katika mods za mchezo wa video (maarufu katika jumuiya ya urekebishaji ya 'AI Upscale' kwa mada za Kompyuta za zamani)
Kuboresha picha za zamani za familia au picha zilizochanganuliwa kabla ya kuchapishwa kwa ukubwa mkubwa
Uboreshaji wa picha za utulivu zilizotolewa kutoka kwenye kumbukumbu ya ubora wa chini au video za uchunguzi
Inazalisha ramani za muundo wa ubora wa juu kwa wasanii wa 3D wanaofanya kazi kutoka kwa picha ndogo za marejeleo
Hatari & Walinzi
Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Ramani ya Utekelezaji
Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
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 ESRGAN and GAN Super-Resolution 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
Mwongozo unaofuata
Azimio Bora la Picha
Maswali yanayoulizwa mara kwa mara
What is ESRGAN and GAN Super-Resolution?
ESRGAN hutumia shindano la jenereta-dhidi ya kibaguzi ili kuvumbua maelezo ya kweli wakati wa kuongeza picha, zaidi ya kufasiriwa kwa ukungu. Ni muhimu kwa sababu imeweka kiolezo cha azimio kuu la uhalisia-picha ambalo bado linaathiri zana leo.
Je, 'GAN' katika ESRGAN inarejelea nini?
GAN inawakilisha Generative Adversarial Network, usanidi ambapo jenereta na kibaguzi hushindana wakati wa mafunzo.
Jenereta ya ESRGAN hutumia jengo gani kimsingi?
Jenereta ya ESRGAN hulundika Vitalu Vilivyosalia-katika-Mabaki (RRDB), vizio vya mabaki vilivyounganishwa kwa msongamano, kama muundo wake mkuu.
Kwa nini waandishi wa ESRGAN waliondoa urekebishaji wa kundi kutoka kwa jenereta?
Waandishi walipata urekebishaji wa bechi ulitoa kisanii kisichopendeza katika matokeo ya azimio bora, kwa hivyo waliiondoa kutoka kwa vizuizi vya RRDB.
Je, ni biashara gani kuu ya ESRGAN hufanya ikilinganishwa na mbinu za kupoteza-pixel pekee?
Upotevu wa kiadui husukuma matokeo kuelekea maumbo yanayoonekana kihalisi hata kama thamani za pikseli mahususi zinatofautiana na ukweli wa msingi.
Je, upotevu wa mtazamo wa ESRGAN (VGG) unapimwa wapi?
ESRGAN hukokotoa upotevu wa utambuzi kwenye ramani za kipengele cha VGG kabla ya kitendakazi cha kuwezesha, ambacho waandishi waligundua kilitoa matokeo makali zaidi.