Gadgetshowto
Hai mai posato per selfie di gruppo e ritratti solo per scoprire che il tuo viso è diventato sfocato perché non riuscivi a smettere di ridere per uno scherzo sciocco che un tuo amico ha appena fatto? Ho ed è abbastanza scoraggiante vedere i risultati. Per risolvere questo problema, i ricercatori dell'Inception Institute of Artificial Intelligence, del Beijing Institute of Technology e della Stony Brook University hanno escogitato un'intelligenza artificiale che potrebbe aiutare a eliminare i volti umani nelle immagini.
I ricercatori hanno pubblicato i loro risultati in un documento intitolato "Human-Aware Motion Deblurring". Affermano che la loro metodologia funziona meglio dei metodi esistenti di sbavatura del movimento.
Il primo piano e lo sfondo di un'immagine subiscono diversi tipi di degrado dell'immagine a causa di vari fattori tra cui il movimento relativo tra la fotocamera e gli oggetti, la distanza e il piano dell'immagine.
Nel documento, i ricercatori propongono un file modello di sbavatura umano consapevole basato su una "architettura codificatore-decodificatore a tre rami" in grado di correggere il motion blur tra i soggetti in primo piano (volti umani) e lo sfondo.
Nell'architettura encoder-decoder a tre rami, il i primi due rami sono responsabili della nitidezza degli esseri umani in primo piano e dei dettagli dello sfondo mentre il terzo ramo fonde le informazioni di sbavatura dagli altri due rami.
Come parte della ricerca, gli scienziati hanno creato un set di dati che chiamano HIDE (Humanaware Image DEblurring). Il set di dati HIDE è costituito da 8.422 coppie di immagini estratte da una telecamera ad alta velocità. Ogni coppia contiene un'immagine sfocata e la corrispondente immagine nitida.
Il loro modello è stato addestrato su una GPU Nvidia Titan X utilizzando il set di dati HIDE e un set di dati composto da immagini sfocate e nitide dai video della videocamera GoPro Hero 720p a 240 fps, per un totale di 10.742 immagini. I ricercatori affermano che il set di dati GoPro è stato utilizzato solo per addestrare il decoder in background poiché aveva pochissimi pedoni.
Puoi saperne di più sul sistema nel documento di ricerca qui e puoi scaricare il set di dati HIDE qui. Allora, cosa ne pensi di questa metodologia proposta? Diteci nei commenti.
