Ερευνητές του Computer Science and Artificial
Intelligence Laboratory του MIT ανέπτυξαν ένα σύστημα το οποίο μπορεί να
προβεί σε αυτόματο «ρετούς» φωτογραφιών, έτσι ώστε να παραπέμπουν σε
εικόνες- προϊόντα επαγγελματικής φωτογράφησης, ενώ ταυτόχρονα έχει
ενεργειακές απαιτήσεις τόσο χαμηλές, ώστε να μπορεί να «τρέχει» σε
smartphone.
Παράλληλα, είναι τόσο ταχύ ώστε να μπορεί να προβάλλει ρετουσαρισμένες εικόνες σε πραγματικό χρόνο, έτσι ώστε ο φωτογράφος να μπορεί να δει την τελική εκδοχή της εικόνας, ενώ ακόμα «σημαδεύει» για να τραβήξει τη φωτογραφία.
Όπως αναφέρει το MIT News, το ίδιο σύστημα μπορεί επίσης να βελτιώσει/ επιταχύνει υπάρχοντες αλγορίθμους επεξεργασίας εικόνας. Σε δοκιμές με νέο αλγόριθμο της Google για την παραγωγή εικόνων HDR, (high dynamic range), οι οποίες «πιάνουν» αποχρώσεις οι οποίες χάνονται στις κανονικές ψηφιακές εικόνες, το νέο σύστημα απέδωσε οπτικά αποτελέσματα τα οποία ήταν σχεδόν πανομοιότυπα με αυτά του αλγορίθμου, μέσα στο 1/10 του χρόνου- επαρκώς γρήγορα για χρήση σε πραγματικό χρόνο.
Πρόκειται για σύστημα machine-learning, κάτι που σημαίνει πως «μαθαίνει« να λειτουργεί αναλύοντας δεδομένα εν είδει «εκπαίδευσης»- σε αυτή την περίπτωση, για κάθε νέα λειτουργία που «έμαθε», εκπαιδεύτηκε σε χιλιάδες ζεύγη εικόνων- ρετουσαρισμένες και μη.
Παράλληλα, είναι τόσο ταχύ ώστε να μπορεί να προβάλλει ρετουσαρισμένες εικόνες σε πραγματικό χρόνο, έτσι ώστε ο φωτογράφος να μπορεί να δει την τελική εκδοχή της εικόνας, ενώ ακόμα «σημαδεύει» για να τραβήξει τη φωτογραφία.
Όπως αναφέρει το MIT News, το ίδιο σύστημα μπορεί επίσης να βελτιώσει/ επιταχύνει υπάρχοντες αλγορίθμους επεξεργασίας εικόνας. Σε δοκιμές με νέο αλγόριθμο της Google για την παραγωγή εικόνων HDR, (high dynamic range), οι οποίες «πιάνουν» αποχρώσεις οι οποίες χάνονται στις κανονικές ψηφιακές εικόνες, το νέο σύστημα απέδωσε οπτικά αποτελέσματα τα οποία ήταν σχεδόν πανομοιότυπα με αυτά του αλγορίθμου, μέσα στο 1/10 του χρόνου- επαρκώς γρήγορα για χρήση σε πραγματικό χρόνο.
Πρόκειται για σύστημα machine-learning, κάτι που σημαίνει πως «μαθαίνει« να λειτουργεί αναλύοντας δεδομένα εν είδει «εκπαίδευσης»- σε αυτή την περίπτωση, για κάθε νέα λειτουργία που «έμαθε», εκπαιδεύτηκε σε χιλιάδες ζεύγη εικόνων- ρετουσαρισμένες και μη.
