Skapandet av algoritmer för att arbeta med bilder har alltid varit en ganska svår, men lovande uppgift. När jag fortfarande skrev mitt examensarbete 1999 var ämnet "mönsterigenkänning" mycket relevant i automatiska kontroll- och hanteringssystem.
Det är vad de kan göra idag. Indiska utvecklare har presenterat ett system som kan skapa korta videor från suddiga bilder. Algoritmen fungerar på grundval av invändiga och återkommande neurala nätverk och gör att du kan förvandla rörelseartefakter i bilder till kort (upp till tio bilder).
Fler detaljer …
När man tittar på en suddig bild kan en person mentalt fullborda en bild av vad som händer. Att se ett fotografi av en fågel med fuzzy vingar tyder till exempel på att suddigheten i bilden beror på artefakter i vingarnas rörelse under förvärvet. För datorsynssystem är emellertid denna uppgift svårare, och de flesta av de kända metoderna syftar endast till att ta bort rörelseartefakter och utjämna ramar.
Forskare vid Indian Institute of Technology, under ledning av AN Rajagopalan, föreslog att en enda oskarp bild skulle kunna användas för att skapa en hel kort video: det vill säga återställa den ursprungliga rörelsen från dess artefakter i bilden. För att göra detta utvecklade de en algoritm baserad på invändiga neurala nätverk, som aktivt används för uppgifter relaterade till automatisk bildigenkänning, såväl som återkommande neurala nätverk.
Modellen tränas på ett stort antal videor, som är uppdelade i ramar. Därefter letar det neurala nätverket efter en sådan ram, artefakterna på vilka de bäst matchar artefakterna i träningsprovramen. Därefter "återställer" avkodaren träningsprovramens artefakter i rörelse fångad på video. Således lagrar modellen data om möjliga återhämtade rörelser från varje suddig ram som är tillgänglig i träningsprovet.
Kampanjvideo:
Som ett resultat av arbetet producerar nervnätverket video, rekonstruerad från den suddiga bilden, bestående av tio ramar. Den utvecklade algoritmen, enligt skaparna, kommer att kunna hjälpa i framtiden att förbättra inte bara återställningen av suddiga bilder, utan också själva filmerna.
Att ta bort rörelseföremål i enskilda ramar kan också förbättra videoströmning. Hittills används huvudsakligen algoritmer för anpassning av bithastigheten beroende på videohastigheten och dess buffring.
Elizaveta Ivtushok
