
Мы видели, как исследователи Google добились удивительных результатов с помощью искусственного интеллекта, в том числе поразительного увеличения разрешения. Google нацелилась на шумоподавление с помощью MultiNeRF, проекта с открытым исходным кодом, который использует искусственный интеллект для улучшения качества изображения. Программа RawNeRF просматривает изображения, а затем использует искусственный интеллект для увеличения детализации изображений, снятых в условиях низкой освещенности и темноты.
В исследовательской работе «NeRF в темноте: синтез изображений с высоким динамическим диапазоном из зашумленных необработанных изображений» команда демонстрирует, как она использует нейросети (NeRF) для создания высококачественного анализа из коллекции входных изображений. NeRF был обучен сохранять полный динамический диапазон сцены, и можно управлять фокусом, экспозицией и отображением тона после момента съемки. При оптимизации по шумным изображениям в формате RAW NeRF может создавать сцену, которая уберет с одного или нескольких изображений. Кроме того, команда утверждает, что RawNeRF может реконструировать чрезвычайно шумные сцены, снятые почти в полной темноте.
В то время как стандартный NeRF использует изображения с низким динамическим диапазоном, снятым в цветовом пространстве sRGB, Raw Nerve использует линейные необработанные входные данные в цветовом пространстве с высоким динамическим диапазоном (HDR). Реконструкция NeRF в необработанном пространстве дает лучшие результаты и позволяет получить новый синтез HDR-изображения. Исследование показывает, что RawNeRF «удивительно устойчив к высоким уровням шума, до такой степени, что он может выступать в качестве конкурентоспособного шумоподавителя для нескольких изображений при применении к изображениям статической сцены с широкой базовой линией». Кроме того, команда продемонстрировала «приложения для синтеза HDR-изображения, позволяющие восстанавливать представление сцены, которое сохраняет высокие значения цвета динамического диапазона.
«Пример постобработанных и выровненных по цвету патчей из нашего реального набора данных по шумоподавлению. Raw Nerve выдает наиболее подробные выходные данные в каждом конкретном случае. Все методы глубокого шумоподавления (столбцы 2-5) получают зашумленное тестовое изображение в качестве входных данных, тогда как варианты NeRF (столбцы 6-8) выполняют как синтез нового вида, так и шумоподавление.
Результаты чрезвычайно впечатляют. Использование линейных исходных данных raw HDR открывает множество новых возможностей для компьютерной фотографии, включая постобработку, например, редактирование фокуса и экспозиции, для получения нового HDR-изображения.
Чтобы прочитать полный текст исследовательской работы, нажмите здесь. Исследование было написано Беном Милденхоллом, Питером Хедманом, Рикардо Мартином-Бруаллой, Пратулом П. Шринивасаном и Джонатаном Т. Барроном.
Новости

Фотографии квартиры для Компании White Brocker

Давайте посмотрим комплект гравера (дремель) Hemuyou H260

Lexar представил новые карты Diamond серии CF express Type B

WIFI RGB неоновая Светодиодная лента

Победители премии Minimalist Photography Awards 2022 года

Распаковка шестеренок для прямого привода Thingiverse DDB

Распаковка и обзор усилитель сигнала Wi-Fi от Xiaomi версия Pro 300Mbps

Распаковка Высококачественный двумиталического теплового разрыва от Trianglelab

CineD создала базу данных по камерам и оптике

Распаковка составной посылки с магазина Trianglelab № 1

Распаковываем сушилку для филамента

Собрал термоколпак для принтера Flyingbear Reborn

Samsung представил монитор 55 дюймов за 3500 долларов
