تحقق شركة NVIDIA تقدمًا مذهلاً بفضل برمجياتها المرئية بالإضافة إلى تطويرها باستخدام الذكاء الاصطناعي.
و آخر تقدم رائع لهذه الشركة هو أداة نعرضها لك في فيديو يمكنك رؤيته أسفل هذه التدوينة ، حيث يمكننا أن نرى كيف يمكن لبرنامج جديد من NVIDIA إعادة بناء الصور التالفة بدقة مذهلة ، مع معرفة نوع المادة أو الصورة التي يجب أن تذهب في كل مكان تالف في الصورة وإعادة تركيبها بشكل سليم .
ووفقًا لفريق الباحثين من هذه التقنية ، يمكن إعادة بناء الصور التالفة ، مع وجود ثقوب أو بكسل مفقودة ، والصورة التي تم التشويش عليها، وكذلك ضبط الصور لتعبئة المحتويات الفارغة الجديدة منها.
ولكي يبدأ الذكاء الإصطناعي في تعلم العملية ، قامت المجموعة من الباحثين بتدريبه على 55,116 قناعًا عشوائيًا مملوءة بخطوط وثقوب في الصور. من هناك ، درس الذكاء الإصطناعي وحدات البكسل المفقودة وتعلم ملئها. ولمزيد من الدقة تمت إضافة 24,866 قناع إضافي أثناء مرحلة الاختبار.
على الرغم من أن النظام لم يصل بعد إلى الكمال ، يمكنك أن ترى قوة مذهلة للتعرف على الصور التي تم التشويش عليها والتنبؤ بها . ويدرك الباحثين أن بعض النتائج لا تزال غير مفهومة بالنسبةللذكاء الإصطناعي في هذه العملية ، مثل قضبان الأبواب والنوافذ ، فضلاً عن ملئ الثغرات الكبيرة في الصور . ولكن من الممكن أنه مع المزيد من تدريب الذكاء الإصطناعي يمكن تحقيق نتائج أفضل بطريقة قريبة.
و آخر تقدم رائع لهذه الشركة هو أداة نعرضها لك في فيديو يمكنك رؤيته أسفل هذه التدوينة ، حيث يمكننا أن نرى كيف يمكن لبرنامج جديد من NVIDIA إعادة بناء الصور التالفة بدقة مذهلة ، مع معرفة نوع المادة أو الصورة التي يجب أن تذهب في كل مكان تالف في الصورة وإعادة تركيبها بشكل سليم .
ووفقًا لفريق الباحثين من هذه التقنية ، يمكن إعادة بناء الصور التالفة ، مع وجود ثقوب أو بكسل مفقودة ، والصورة التي تم التشويش عليها، وكذلك ضبط الصور لتعبئة المحتويات الفارغة الجديدة منها.
ولكي يبدأ الذكاء الإصطناعي في تعلم العملية ، قامت المجموعة من الباحثين بتدريبه على 55,116 قناعًا عشوائيًا مملوءة بخطوط وثقوب في الصور. من هناك ، درس الذكاء الإصطناعي وحدات البكسل المفقودة وتعلم ملئها. ولمزيد من الدقة تمت إضافة 24,866 قناع إضافي أثناء مرحلة الاختبار.
على الرغم من أن النظام لم يصل بعد إلى الكمال ، يمكنك أن ترى قوة مذهلة للتعرف على الصور التي تم التشويش عليها والتنبؤ بها . ويدرك الباحثين أن بعض النتائج لا تزال غير مفهومة بالنسبةللذكاء الإصطناعي في هذه العملية ، مثل قضبان الأبواب والنوافذ ، فضلاً عن ملئ الثغرات الكبيرة في الصور . ولكن من الممكن أنه مع المزيد من تدريب الذكاء الإصطناعي يمكن تحقيق نتائج أفضل بطريقة قريبة.
ليست هناك تعليقات:
إرسال تعليق