Intelligenza Artificiale, così le immagini in bassa risoluzione diventano ”dettagliate”
Chiunque abbia mai lavorato con file di immagini sa che a differenza dell’immaginario mondo dei film di investigazione come CSI, non vi è alcun modo relativamente semplice per modificare un’immagine a bassa risoluzione e trasformarla magicamente in uno scatto ad alta risoluzione. Non tutto però sembra perso ed alcuni scienziati dell’Istituto Max Planck per i sistemi intelligenti in Germania stanno lavorando proprio a questo cercando di creare un algoritmo capace di portare ad alta risoluzione delle immagini che invece sono tutto il contrario.
Quello che hanno sviluppato è uno strumento chiamato EnhanceNet-PAT il quale utilizza l’Intelligenza Artificiale per creare versioni ad alta definizione delle immagini a bassa. Chiaramente non stiamo parlando di una soluzione che possa fare i miracoli ma di certo produce un risultato decisamente migliore rispetto ai precedenti tentativi che fino ad oggi erano andati male.
“Il compito dell’algoritmo di “super risoluzione” è stato studiato per decenni” dichiara Mehdi MS Sajjadi, uno dei ricercatori del progetto “Prima di questo lavoro non si era andati oltre ad immagini sfuocate che dunque non permettevano di essere utilizzate realmente. La ragione di questo è dovuta all’approccio sbagliato che era stato richiesto alle reti neurali che avrebbero dovuto ricostruire l’immagine originale con una precisione al pixel. Dal momento che questo è impossibile, le reti neurali producono risultati di immagini sfocate. E’ stato dunque considerato un approccio diverso chiedendo alla rete neurale la produzione di texture realistiche. Per fare questo, la rete neurale prende in esame l’intera immagine, rileva alcune regioni, e utilizza queste informazioni semantiche per la produzione di texture realistiche e immagini dunque più nitide.”
Per “addestrare” l’algoritmo i ricercatori hanno alimentato la loro rete neurale con l’immissione di un grande insieme di dati di immagini capace di costruire una profonda conoscenza delle diverse texture. La rete neurale aumenta la frequenza se ottiene diverse versioni di ricampionamento delle immagini. Una volta che la rete produce un’immagine in uscita, i ricercatori la confrontano con quella originale ad alta risoluzione andando dunque ad ottimizzare l’algoritmo con correzioni di eventuali errori ad esempio rendendo più definiti i contorni non facendo dunque replicare l’errore all’algoritmo. Proprio questo permette poi allo stesso di effettuare le modifiche da solo senza alcun intervento umano.
“Esistono molteplici applicazioni per questo”, ha continuato Sajjadi. “Dalla possibilità di convertire vecchi film alla frequenza attuale del 4K Ultra HD, ma anche ripristinando vecchie fotografie di famiglia che sono troppo sfocate ottenendo una stampa di grandi dimensioni chiaramente nitida. Inoltre lo stimolo di queste reti neurali non può che apportare miglioramenti anche ad altri algoritmi come quella di Google per la ricerca delle immagini o addirittura quella delle automobili per la rilevazione dei pedoni in strada“. (fonte)
