คู่มือ AI แบบเห็นภาพ

การปรับสีของภาพ

การปรับสีของภาพใช้ AI เพื่อเพิ่มสีที่สมจริงและเป็นไปได้ให้กับภาพถ่ายและฟิล์มขาวดำ

ภาพรวม

การปรับสีของภาพใช้ AI เพื่อเพิ่มสีที่สมจริงและเป็นไปได้ให้กับภาพถ่ายและฟิล์มขาวดำ สิ่งสำคัญคือเพราะมันทำให้เอกสารสำคัญทางประวัติศาสตร์กลับมามีชีวิตอีกครั้ง และฟื้นฟูภาพที่ซีดจางหรือระดับสีเทาโดยไม่ต้องลงสีด้วยมือ

การปรับสีรูปภาพเป็นของเวิร์กโฟลว์คอมพิวเตอร์วิทัศน์ที่ตีความหรือสร้างสื่อภาพเพื่อการวิเคราะห์ การดำเนินการ และความคิดสร้างสรรค์

เจาะลึก

โดยพื้นฐานแล้วการปรับสีเป็นปัญหาที่ไม่ดี กล่าวคือ พิกเซลสีเทาหนึ่งพิกเซลอาจมีหลายสีได้ เนื่องจากความสว่างเพียงอย่างเดียวไม่ได้เข้ารหัสเฉดสี ระบบสมัยใหม่ถือเป็นการคาดเดา โดยเรียนรู้จากภาพถ่ายสีนับล้านที่ถูกแปลงเป็นระดับสีเทาโดยไม่ตั้งใจ เครือข่ายแบบหมุนวนหรือแบบหม้อแปลงจะเห็นเฉพาะช่องความสว่างและคาดการณ์ช่องสีที่หายไป โดยทั่วไปจะอยู่ในปริภูมิสี CIE Lab โดยที่ L เก็บความสว่างและสีคง a/b เนื่องจากหญ้ามักเป็นสีเขียวและท้องฟ้ามักเป็นสีฟ้า แบบจำลองจึงเรียนรู้ข้อมูลเชิงสถิติที่แข็งแกร่ง งานสำคัญโดย Zhang และคณะ (2016) กำหนดกรอบดังกล่าวเป็นการจำแนกกลุ่มสีเพื่อหลีกเลี่ยงการซีดจางและค่าเฉลี่ยที่ไม่อิ่มตัว วิธีการแพร่และตัวอย่างที่ใหม่กว่าช่วยให้ผู้ใช้แนะนำสีด้วยคำแนะนำหรือรูปภาพอ้างอิงเพื่อการควบคุมที่ดียิ่งขึ้น

ข้อมูลเชิงลึกทางเทคนิค

ระบบส่วนใหญ่ทำงานในพื้นที่แล็บ: เครือข่ายรับเฉพาะช่องสัญญาณ L (ความสว่าง) และส่งออกช่องสัญญาณโครมิแนนซ์ a และ b ซึ่งรวมเข้ากับ L ดั้งเดิมใหม่ การทำนายสีเป็นการจำแนกประเภทเหนือช่องสัญญาณแบบควอนตัม แทนที่จะถดถอยค่าที่แน่นอน จะป้องกันไม่ให้โมเดลหาค่าเฉลี่ยของสีที่ถูกต้องหลายสีให้เป็นสีน้ำตาลเทาหม่น ซึ่งให้ผลลัพธ์ที่สดใสและมั่นใจยิ่งขึ้น

การเรียนรู้การปรับสีของภาพ

การปรับสีของภาพใช้ AI เพื่อเพิ่มสีที่สมจริงและเป็นไปได้ให้กับภาพถ่ายและฟิล์มขาวดำ สิ่งสำคัญคือเพราะมันทำให้เอกสารสำคัญทางประวัติศาสตร์กลับมามีชีวิตอีกครั้ง และฟื้นฟูภาพที่ซีดจางหรือระดับสีเทาโดยไม่ต้องลงสีด้วยมือ การปรับสีรูปภาพเป็นของเวิร์กโฟลว์คอมพิวเตอร์วิทัศน์ที่ตีความหรือสร้างสื่อภาพเพื่อการวิเคราะห์ การดำเนินการ และความคิดสร้างสรรค์ เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ถือว่าการปรับสีของภาพเป็นรูปแบบการทำงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ

ในทางปฏิบัติ ทีมที่แข็งแกร่งใช้การปรับสมดุลสีของภาพกับความเป็นจริงในการปฏิบัติงาน เช่น คุณภาพของข้อมูล ความแปรปรวนของแสง และความสม่ำเสมอของการติดฉลาก โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน

Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ ในขณะเดียวกัน สิทธิ์และความยินยอมในรูปภาพอาจกลายเป็นความเสี่ยงทางกฎหมายได้หากแหล่งที่มาไม่ชัดเจน แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง

ผลกระทบเชิงกลยุทธ์

Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ

Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

ทีมสร้างสรรค์สามารถสร้างต้นแบบแนวคิดได้รวดเร็วขึ้นโดยต้องมีการแก้ไขด้วยตนเองน้อยลง

ทีมสร้างสรรค์สามารถสร้างต้นแบบแนวคิดได้รวดเร็วขึ้นโดยต้องมีการแก้ไขด้วยตนเองน้อยลง ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

การดำเนินการสามารถใช้สัญญาณภาพและวิดีโอที่ก่อนหน้านี้ประมวลผลได้ยาก

การดำเนินการสามารถใช้สัญญาณภาพและวิดีโอที่ก่อนหน้านี้ประมวลผลได้ยาก ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

อนาคตของการปรับสีภาพ

การปรับสีกำลังเคลื่อนไปสู่เครื่องมือแบบโต้ตอบและควบคุมได้ โดยผู้ใช้คลิกสีคำใบ้และโมเดลจะเผยแพร่สีดังกล่าวอย่างสม่ำเสมอ โมเดลการแพร่กระจายและภาษาแจ้ง ("ทำให้ชุดสีแดง") เพิ่มการควบคุมความหมาย ในขณะที่เครือข่ายที่รับรู้ชั่วคราวจะสร้างสีสันให้กับภาพยนตร์ทั้งเรื่องโดยไม่กะพริบแบบเฟรมต่อเฟรม คาดหวังการผสานรวมที่เข้มงวดยิ่งขึ้นกับไปป์ไลน์การฟื้นฟูที่ลดขนาด เพิ่มขนาด และเพิ่มสีไปพร้อมๆ กัน พร้อมการป้องกันที่แข็งแกร่งยิ่งขึ้นในการระบุว่าสีเป็นการเดาโดยอนุมานโดย AI แทนที่จะเป็นข้อเท็จจริงทางประวัติศาสตร์

การใช้งานจริงในโลกแห่งความเป็นจริง

การฟื้นฟูภาพถ่ายเอกสารสำคัญในยุคสงครามโลกครั้งที่สองและศตวรรษที่ 19 ในรูปแบบสีสันสำหรับพิพิธภัณฑ์และสารคดี

นำภาพยนตร์ขาวดำคลาสสิกและวิดีโอฟุตเทจทางทีวีมาระบายสีเพื่อการรีมาสเตอร์ใหม่

แอพภาพถ่ายครอบครัว (เช่น MyHeritage และ Google Photos) ที่จะระบายสีภาพถ่ายบรรพบุรุษเก่าๆ โดยอัตโนมัติ

การปรับสีการสแกนทางการแพทย์หรือวิทยาศาสตร์ในระดับสีเทาเพื่อเน้นโครงสร้างและปรับปรุงการตีความด้วยภาพ

รูปแบบการดำเนินงาน

การปรับสีของภาพในทางปฏิบัติ

การฟื้นฟูภาพถ่ายเอกสารสำคัญสมัยสงครามโลกครั้งที่ 1 และศตวรรษที่ 19 ในรูปแบบสีสันสำหรับพิพิธภัณฑ์และสารคดี

การฟื้นฟูภาพถ่ายเก็บถาวรประวัติศาสตร์สมัยสงครามโลกครั้งที่ 19 และศตวรรษที่ 19 ในรูปแบบสีสำหรับพิพิธภัณฑ์และสารคดี ทีมมักจะได้รับผลลัพธ์ที่ดีขึ้นเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

การปรับสีของภาพในทางปฏิบัติ

นำภาพยนตร์ขาวดำคลาสสิกและวิดีโอฟุตเทจทางทีวีมาระบายสีเพื่อการรีมาสเตอร์ใหม่

การนำภาพยนตร์ขาวดำคลาสสิกและฟุตเทจทีวีมาระบายสีเพื่อการรีมาสเตอร์ใหม่ ทีมมักจะได้ผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับ Edge Case และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

การปรับสีของภาพในทางปฏิบัติ

แอพภาพถ่ายครอบครัว (เช่น MyHeritage และ Google Photos) ที่จะระบายสีภาพถ่ายบรรพบุรุษเก่าๆ โดยอัตโนมัติ

แอปรูปภาพครอบครัว (เช่น MyHeritage และ Google Photos) ที่ใช้สีอัตโนมัติให้กับสแนปชอตบรรพบุรุษเก่า ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับ Edge Case และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

การปรับสีของภาพในทางปฏิบัติ

การปรับสีการสแกนทางการแพทย์หรือวิทยาศาสตร์ในระดับสีเทาเพื่อเน้นโครงสร้างและปรับปรุงการตีความด้วยภาพ

การปรับสีการสแกนทางการแพทย์หรือวิทยาศาสตร์ในระดับสีเทาเพื่อเน้นโครงสร้างและปรับปรุงการตีความด้วยภาพ ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

ความเสี่ยงและรั้ว

!

สิทธิ์และความยินยอมในรูปภาพอาจกลายเป็นความเสี่ยงทางกฎหมายได้หากแหล่งที่มาไม่ชัดเจน

!

ประสิทธิภาพของโมเดลอาจแตกต่างกันไปตามสภาพแสง ข้อมูลประชากร และสภาพแวดล้อม

!

ผลบวกลวงอาจไม่สังเกตเห็นเว้นแต่จะมีการตรวจสอบเกณฑ์ความเชื่อมั่น

แผนงานการดำเนินงาน

1

กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด

กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

2

ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง

ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

3

เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง

เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

4

ติดตามการเคลื่อนตัวของโมเดลและตรวจสอบความถูกต้องอีกครั้งหลังจากการเปลี่ยนแปลงกล้องหรือชุดข้อมูล

ติดตามการเคลื่อนตัวของโมเดลและตรวจสอบความถูกต้องอีกครั้งหลังจากการเปลี่ยนแปลงกล้องหรือชุดข้อมูล ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

สำรวจต่อไป