Ponovno snimanje NASA-ine svemirske fotografije kako bi se dobio jasniji rezultat. Svemirski let odmah
NVIDIA je odavno poznata po svojim besprijekornim jedinicama za grafičku obradu (GPU), čiji je glavni proizvod NVIDIA GeForce kartica. Uz to, tvrtka je uvijek bila glavna i središnja u istraživanju i razvoju iskustva za poboljšanje umjetne inteligencije u video igrama, grafičkom dizajnu, obradi podataka i automobilskim vozilima.
U posljednje se vrijeme NVIDIA počela fokusirati na umjetnu inteligenciju izolirano, a njezin se najnoviji projekt usredotočio na pametno preimenovanje postojećih fotografija pomoću gusovih algoritama za procjenu najmanjih razlika između stotina jasnih i mutnih slika kategoriziranih na temelju temperature i nijanse, a zatim unos tih vrijednosti u regresijske izraze pojedinačnih mutnih fotografija kako bi se vratili natrag na to kako su mogle izgledati njihove izvorne jasne slike. Ovaj se postupak provodi pojedinačno za svaku točku na fotografiji, a zbrajanje se koristi za generiranje vrijednosti generičke najmanje razlike.
Ured NVIDIA. Nasdaq na Twitteru
Algoritam djeluje kako bi iz prošlih pokušaja naučio na što ukazuju određene boje i uzorci na zaslonu. Kada je sustav razvijen, radilo se o tisućama mutnih i originalnih slika, tako da je stroj mogao prepoznati koji uzorci i boje na zaslonu odgovaraju kojim žljebovima i rubovima na izvornoj slici. Nakon što je mnogo puta testirana, NVIDIA je uspjela naučiti svoj AI čip učiti iz prethodnih ispitivanja i pohraniti bazu podataka podudarnih grafičkih kodova koji se pretvaraju u matematički kôd na temelju mjesta, boje i temperature. Koristeći prošla iskustva i veze uspostavljene između mutnih i jasnih slika istog lokusa i nijanse, stroj puca s novim slikama, primjenjujući formule koje najbolje odgovaraju nijansi i temperaturi nove fotografije. NVIDIA je svoj algoritam provela kroz dovoljno ispitivanja da bi imala dovoljno jaku bazu podataka o zadržavanju koju AI može iskoristiti kada radi na novijim slikama, a mehanizam je sada samostalni, sposoban otkriti gotovo svaku sliku svojim treningom u učenju pojačanja (RL) . Nakon što otkrije dovoljno lica, na primjer, stroj može razaznati mutna lica kad se testira jer razumije koji mutni žljebovi u stvari odgovaraju kojim crtama lica. Izloženost različitim vrstama buke kao što su prenategnute, bijele, filtrirane i teksturirane slike također je dodala bazu podataka algoritama.
U algoritmu matematički jezika, program čita odgovarajuće oštećene i jasne lokuse na odgovarajućim slikama, prijavljujući x, y, x ’i y’ u svoju bazu podataka. Zatim stvara krivulju gausove regresije kako bi se podudarala s razlikama između njih dvije koje omogućuju pretvorbu na temelju općeg fotografskog šuma. U generiranom izrazu regresije najmanjih kvadrata uzima se najmanja vrijednost koja zadovoljava uvjet i ucrtava se nova krivulja gausove vrijednosti. Pri pretvaranju slike natrag u izvornu jasnu kvalitetu, temperatura svake točke mijenja se na temelju razlike u regresijskom uzorku u bazi podataka AI stroja koja odgovara toj određenoj boji i uzorku i svaka se točka okreće kako bi se dobila cjelovita jasna slika. Gaussov mehanizam zakrivljenosti utječe na većinu generičkih oblika buke, ali ako je uređaj u stanju identificirati druge oblike buke koji se često pripisuju pogrešnim brzinama zatvarača ili generičkom zasjenjenju slike, vrijednost Gaussove najmanje razlike prosječuje se s vrijednosti poisona skupa podataka (za prvo) i Bernoulli (za drugo) također imaju najmanje razlike.
Preoblikovanje fotografija potpomognuto umjetnom inteligencijom. BT
Laički rečeno, uloga koju umjetna inteligencija u tome igra je pametno otkrivanje i pretvaranje jedinstvenih fotografija na temelju prakse koju je uređaj već pokušao. Kada je riječ o razini umjetne inteligencije koja je danas postignuta, a koja je još uvijek u fazi kada nije posebno neovisna i čiji su napori ograničeni na niz scenarija koji su već uvježbani, NVIDIA je postigla puno u stvaranju stroja koji može pokušati i ponovno stvoriti neviđene fotografije s najvišom razinom točnosti dosljednim prilagođavanjem i proširivanjem svoje baze podataka kako bi se poboljšala stopa uspješnosti sljedećih fotografskih obrta.
