Фотография, сделанная в условиях слабого освещения, может казаться бесповоротно загубленной высоким уровнем шумов и артефактами. Однако есть способ автоматически устранять шумы и артефакты, если привлечь популярные в последнее время технологии искусственного интеллекта. Говоря точнее, алгоритмы глубокого обучения.
Этим путем пошли участники проекта, выполненного совместно специалистами Nvidia, университета Аалто и Массачусетского технологического института. Разработка была представлена на Международной конференции по машинному обучению, вчера открывшейся в Стокгольме.
В отличие от предыдущих подобных проектов, для обучения нейросети использовались не парные изображения с шумом и без, а только изображения с шумом. По словам исследователей, такой подход повышает скорость обучения, позволяя получить результаты, не уступающие обучению на парных изображениях.
Участники проекта использовали систему с графическими процессорами Nvidia Tesla P100, каркасную библиотеку глубокого обучения TensorFlow с ускорением cuDNN и 50 000 изображений из набора ImageNet.
Отметим, что удаление шумов востребовано не только в потребительской фотографии, но и при обработке МРТ-снимков в медицине. Во втором случае обучение только на зашумленных изображениях имеет решающее преимущество, поскольку невозможно получить парные МРТ-снимки без шумов.
