Siêu phân giải ESRGAN và GAN
ESRGAN sử dụng cuộc thi giữa trình tạo và trình phân biệt để phát minh ra chi tiết thực tế khi nâng cấp hình ảnh, vượt xa khả năng nội suy mờ.
Tổng quan
It matters because it set the template for photo-realistic super-resolution that still influences tools today.
Lặn sâu
ESRGAN (Mạng đối thủ tạo ra siêu phân giải nâng cao), được giới thiệu vào năm 2018, được cải tiến trên SRGAN trước đó. Nó sử dụng một trình tạo được xây dựng từ Khối dày đặc dư trong (RRDB) để xếp chồng nhiều kết nối dày đặc mà không chuẩn hóa hàng loạt, điều mà các tác giả nhận thấy đã gây ra hiện tượng giả. Một mạng phân biệt đối xử riêng biệt cố gắng phân biệt những bức ảnh có độ phân giải cao thực sự với những bức ảnh được tạo ra, đẩy trình tạo ra các kết cấu ảo giác thuyết phục như tóc, gạch và tán lá. ESRGAN kết hợp ba tổn thất: mất nội dung theo pixel, mất cảm nhận được đo trên bản đồ tính năng VGG trước khi kích hoạt và mất đối thủ. Nó cũng giới thiệu một công cụ phân biệt đối xử 'tương đối' để đánh giá xem hình ảnh thật có trông thực tế hơn hình ảnh giả hay không, giúp đào tạo sắc nét hơn. ESRGAN đã giành chiến thắng trong thử thách siêu phân giải nhận thức PIRM 2018.
Hiểu biết kỹ thuật
Ý tưởng chính là trao đổi độ chính xác của pixel để lấy chủ nghĩa hiện thực về nhận thức. Mức độ mất điểm ảnh như MSE ở mức trung bình trên các kết cấu hợp lý, mang lại hình ảnh mượt mà, mờ ảo. Thay vào đó, sự mất mát đối nghịch buộc đầu ra phải có nhiều hình ảnh trông như thật, do đó, trình tạo cam kết tạo ra một kết cấu sắc nét, hợp lý. Công cụ phân biệt đối xử trung bình tương đối tính của ESRGAN ước tính mức độ thực tế của một bản vá thật so với bản vá giả, giúp truyền nhiều thông tin độ dốc hơn và tạo ra các cạnh sắc nét hơn so với một công cụ phân biệt tiêu chuẩn.
Tác động chiến lược
Tốc độ và tỷ lệ
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
Xây dựng lựa chọn
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
Nhóm và quy trình làm việc
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
Tương lai của ESRGAN và Siêu phân giải GAN
Siêu phân giải GAN thuần túy ngày càng được kết hợp hoặc thay thế bằng các trục biến áp và các bộ nâng cấp dựa trên khuếch tán nhằm cung cấp khả năng đào tạo ổn định hơn và khả năng kiểm soát tốt hơn. Tuy nhiên, trình tạo RRDB và công thức nhận thức cộng với đối thủ của ESRGAN vẫn là một đường cơ sở nhẹ, mạnh mẽ được nhúng trong vô số công cụ ảnh và mod kết cấu trò chơi. Mong đợi các mô hình kết hợp giữ được độ sắc nét của GAN trong khi vay mượn bối cảnh tầm xa của bộ khuếch tán và máy biến áp, đồng thời triển khai trên thiết bị chặt chẽ hơn để nâng cấp theo thời gian thực.
Triển khai trong thế giới thực
Nâng cấp kết cấu có độ phân giải thấp trong mod trò chơi điện tử (phổ biến trong cộng đồng mod 'AI Upscale' cho các tựa game PC cũ hơn)
Cải thiện ảnh cũ của gia đình hoặc ảnh quét trước khi in ở kích thước lớn hơn
Cải thiện ảnh tĩnh được trích xuất từ đoạn phim giám sát hoặc lưu trữ có độ phân giải thấp
Tạo bản đồ kết cấu có độ phân giải cao cho các nghệ sĩ 3D làm việc từ các hình ảnh tham chiếu nhỏ
Rủi ro & lan can
Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Lộ trình thực hiện
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
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
Hướng dẫn tiếp theo
Hình ảnh siêu phân giải
Câu hỏi thường gặp
What is ESRGAN and GAN Super-Resolution?
ESRGAN sử dụng cuộc thi giữa trình tạo và trình phân biệt để phát minh ra chi tiết thực tế khi nâng cấp hình ảnh, vượt xa khả năng nội suy mờ. Điều này quan trọng vì nó đặt ra mẫu cho độ phân giải siêu thực như ảnh thực và vẫn ảnh hưởng đến các công cụ ngày nay.
'GAN' trong ESRGAN đề cập đến điều gì?
GAN là viết tắt của Mạng đối thủ sáng tạo, một thiết lập trong đó người tạo và người phân biệt đối xử cạnh tranh trong quá trình đào tạo.
Trình tạo ESRGAN chủ yếu sử dụng khối xây dựng nào?
Trình tạo của ESRGAN sắp xếp các Khối dày đặc dư trong dư (RRDB), các đơn vị dư được kết nối dày đặc, làm cấu trúc cốt lõi của nó.
Tại sao các tác giả của ESRGAN loại bỏ chuẩn hóa hàng loạt khỏi trình tạo?
Các tác giả nhận thấy việc chuẩn hóa hàng loạt tạo ra các thành phần giả khó chịu ở đầu ra có độ phân giải siêu cao, vì vậy họ đã loại bỏ nó khỏi các khối RRDB.
Sự đánh đổi chính mà ESRGAN đưa ra so với các phương pháp chỉ mất pixel là gì?
Sự mất mát bất lợi đẩy đầu ra về phía kết cấu trông thực tế ngay cả khi các giá trị pixel riêng lẻ khác với thực tế.
Sự mất mát về nhận thức (VGG) của ESRGAN được đo ở đâu?
ESRGAN tính toán sự mất mát về nhận thức trên bản đồ tính năng VGG trước khi chức năng kích hoạt được các tác giả nhận thấy cho kết quả sắc nét hơn.