«Яндекс» улучшила качество видеоряда старых мультфильмов с помощью нейросетей
Новости
Команда специалистов «Яндекса» разработала DeepHD — технологию на основе нейросетей, способную улучшать качество изображений и видеозаписей.
2К открытий2К показов
Специалисты «Яндекса» разработали технологию DeepHD и применили её к советским мультфильмам. Обработка изображения происходит в два этапа, при этом каждый использует свою нейросеть. Список мультфильмов можно найти по запросу. Также технологию испытали на фильмах.
Технология DeepHD
На первом этапе нейросеть устраняет помехи и искажения изображения, вызванные его сжатием. Завершив первый этап, нейросеть передаёт результат нейросети-генератору. И уже генератор, получив картинку с небольшими разрешением и детализацией, улучшает её, повышая чёткость и добавляя недостающие текстуры.
О технологии DeepHD рассказал Александр Крайнов в рамках YAC 2018:
Обучение нейросети-генератора
Нейросеть учится улучшать качество изображения с помощью картинок с высоким разрешением. Их намеренно уменьшают и пропускают через нейросеть-генератор. На выходе получаются два изображения: первое — большой оригинал, а второе — созданное генератором. Контроль соответствия осуществляют две дополнительных нейросети: классификатор и дискриминатор.
Первая штрафует генератор при добавлении к изображению того, чего нет в оригинале. Вторая нейросеть ищет различия между оригиналом и созданным изображением. Генератор справляется с задачей, если дискриминатор выбирает искусственную картинку вместо оригинала.
Несмотря на широкое использование нейросетей для создания, распознавания и улучшения изображений, ИИ поддаётся иллюзиям подобно человеку. В середине сентября 2018 года команда учёных из Брауновского университета (США) представила нейросеть, восприятие изображений которой ограничено физиологией зрительной коры головного мозга приматов. Исследуя принятие решений данной моделью, учёные намерены лучше понять человеческое зрение и улучшить компьютерное.
2К открытий2К показов
OpenAI анонсировала новую модель ChatGPT-o1, которая показала выдающиеся результаты в программировании и научных задачах
Рассказал, как из простой языковой модели сделать полезного ассистента, соблюдающего законы робототехники.
Если бы у вас была машина времени и можно было вернуться в прошлое, чтобы дать совет двадцатилетнему себе, о чем бы сказали? Что бы посоветовали не упустить на старте карьеры? Мы решили не дожидаться изобретения путешествий во времени и в рамках Восточного экономического форума провели сессию «Знать бы в 20».
Что такое сети Колмогорова-Арнольда. Показываем, как KAN улучшают обучение Graph. Рассматриваем возможные варианты реализации ✔ Tproger