訂閱
糾錯
加入自媒體

利用數(shù)據(jù)算法 英偉達(dá)重建缺失像素

隨著科技技術(shù)的不斷發(fā)展,大數(shù)據(jù)在人工智能領(lǐng)域上擁有越來越多的作用,當(dāng)然大數(shù)據(jù)的分析與挖掘已經(jīng)成為各科研單位的研究熱點(diǎn)。尤其指向在一定時間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合。

前段時間,英偉達(dá)公司發(fā)布了一種最先進(jìn)的深度學(xué)習(xí)算法,它可以有效編輯圖像或復(fù)原那些像素有缺失的圖像。然后通過刪除圖像的部分內(nèi)容再進(jìn)行填充的方式,并且利用大數(shù)據(jù)來重新編輯圖像。

據(jù)研究人員表示,這種“圖像修復(fù)”功能應(yīng)用在照片編輯軟件中,先摳掉圖像中不需要的內(nèi)容,同時用算法生成的真實(shí)數(shù)據(jù)來填充。其次,通過將生成的馬賽克圖案覆蓋在ImageNet,Places2 和CelebA-HQ數(shù)據(jù)集的圖像上,使用NVIDIA Tesla V100 GPU和經(jīng)過cuDNN加速的PyTorch深度學(xué)習(xí)框架來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

為了解決這個問題,研究團(tuán)隊開發(fā)了一種方法,確保受損像素的輸出不依賴于因這些像素產(chǎn)生的輸入值。使用一組損失函數(shù)來訓(xùn)練模型,匹配VGG模型的特征損失和風(fēng)格損失以產(chǎn)生逼真的輸出,在未來相同的網(wǎng)絡(luò)框架可以來完成高分辨率圖像的處理任務(wù)。

聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé),如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問題的,請聯(lián)系我們。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯
x
*文字標(biāo)題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號