Återbilda NASA: s rymdfotografering för att ge ett tydligare resultat. Rymdflygning nu
NVIDIA har länge varit känt för sina obefläckade grafikprocessorenheter (GPU: er), vars huvudprodukt är NVIDIA GeForce-kortet. Med det har företaget alltid varit i centrum för forskning och utveckling av erfarenheter som förbättrar artificiell intelligens inom videospel, grafisk design, databehandling och fordonsfordon.
På senare tid har NVIDIA börjat fokusera på artificiell intelligens isolerat med sitt senaste projekt med en stor fokusering på smart reimaging av redan existerande foton med gaussiska algoritmer för att utvärdera lägsta skillnader mellan hundratals tydliga och suddiga bilder kategoriserade baserat på temperatur och nyans, och sedan mata in dessa värden i regressionsuttryck av enskilda suddiga foton för att återgå till hur deras ursprungliga tydliga bilder kunde ha sett ut. Denna process utförs individuellt för varje punkt på fotografiet och en summering används för att generera ett generiskt minsta skillnadsvärde.
NVIDIA Office. Nasdaq på Twitter
Algoritmen arbetar för att lära av tidigare försök vad vissa färger och mönster på skärmen indikerar. När systemet utvecklades var det tusentals suddiga och originalbilder så att maskinen kunde identifiera vilka mönster och färger på skärmen som motsvarar vilka spår och kanter i originalbilden. Efter att ha testats många gånger har NVIDIA lyckats lära sitt AI-chip att lära av tidigare försök och lagra en databas med matchade grafiska koder som omvandlas till matematisk kod baserat på plats, nyans och temperatur. Med hjälp av tidigare erfarenheter och förhållandena mellan suddiga och klara bilder av samma plats och nyans, spricker maskinen på med nya bilder och använder de formler som bäst matchar det nya fotans nyans och temperatur. NVIDIA har lagt sin algoritm igenom tillräckligt många prövningar för att ha en tillräckligt stark lagringsdatabas som AI kan utnyttja när man arbetar med nyare bilder och mekanismen står nu på egen hand och kan avslöja praktiskt taget vilken bild som helst genom sin utbildning i förstärkningslärande (RL) . Efter att ha upptäckt tillräckligt med ansikten kan maskinen till exempel se ut suddiga ansikten när den testas eftersom den förstår vilka suddiga spår som i sanning motsvarar vilka ansiktsdrag. Exponering för olika typer av buller som översträckta, vitkalkade, filtrerade och texturerade bilder har också lagt till algoritmdatabasen.
I algoritmen matematisk språk, läser programmet motsvarande korrupta och tydliga platser på motsvarande bilder, loggar x, y, x ’och y’ i sin databas. Det skapar sedan en gaussisk regressionskurva för att matcha skillnaderna mellan de två som möjliggör omvandling baserat på allmänt fotografiskt brus. I det genererade regressionsuttrycket med de minsta kvadraterna tas det lägsta värdet som uppfyller villkoret och en ny kurva för det gaussiska värdet plottas. När du konverterar bilden tillbaka till sin ursprungliga klara kvalitet ändras varje punkts temperatur baserat på skillnaden mellan regressionsmönstret i AI-maskinens databas som motsvarar just den färgen och mönstret och varje punkt vänds för att ge en helt tydlig bild. Den gaussiska böjningsmekanismen påverkar de mest generiska formerna av buller men om enheten kan identifiera andra former av buller som ofta tillskrivs dålig slutartid eller generisk skuggning av det immage, beräknas det gaussiska minsta skillnadsvärdet i genomsnitt med datamängds poisson (för den förstnämnda) och Bernoulli (för den senare) minsta skillnaden också.
Artificial Intelligence Assisted Photo ReImaging. BT
I lekmanns termer är den roll som artificiell intelligens spelar i detta smart upptäckt och konvertering av unika foton baserat på en praxis som enheten redan har försökt. När det gäller den nivå av artificiell intelligens som uppnås idag, som fortfarande befinner sig i ett stadium där den inte är särskilt oberoende och har sina ansträngningar begränsade till det antal scenarier som redan praktiserats, har NVIDIA uppnått mycket i att skapa en maskin som kan försöka och återskapa osedda foton med högsta noggrannhet genom att konsekvent anpassa och utöka sin databas för att förbättra framgångsgraden för efterföljande fotografiska omsättningar.
