話題

話題

正しい画像を学習しなくてもノイズ画像を修正できる?!ノイズ修正AI登場

RankRED

RankRed is a place where you can find a lot of interesting and inspiring stuff about science and technology, internet, programming tools and plugins, robots, machines and high tech gadgets, and much more.

本記事は、AI Can Fix Extremely Noisy Images Without Ever Observing Clean Ones
翻訳・再構成したものです。
配信元または著者の許可を得て配信しています。

412 views

読了時間 : 約1分52秒

・ニューラルネットワークは自動的にあなたの画像をノイズのない写真を学習させることなく高めることが可能です。
・これは、低照度の写真撮影、磁気共鳴画像、物理ベースの画像合成などに利用できます。

 

 

低照度の写真、ピクセルの多い写真、粒状の写真を、フォトショップを使わずにアーチファクトやノイズを除去できたらいいと思いませんか?新しい機械学習モデルは崩れた画像のサンプルを単純に観察するだけで同じことができます。

 

 

崩れた測定値からの信号の再建は統計的なデータ分析の重要な部分です。近年、最近の進化した機械学習技術によって、従来のように信号の乱れを統計的にモデル化することを避けようとする動きが見られるようになりました。

 

 

MIT、NVIDIA、アールト大学の研究者たちは、一般的な統計的推論をニューラルネットワークを利用した信号の再建に適用しました。正しい信号を見ることなく、信号を復元することを学びます。

 

 

これは、他の最先端の方法や最近の画像向上開発AIとは異なります。この分野の他の機械学習技術はニューラルネットワークのノイズありなし両方の写真を見せることによって画像を復元するトレーニングに注力していますが、この方法は、粒状感やノイズのある一対の入力画像がさえあれば可能です。

 

 

この人工知能システムは自動的にノイズのない写真がどのようなものかを教えることなく、あなたの画像を高めることができます。

 

 

従来の機械学習技術は崩れたインプット(ノイズ画像)、クリーンターゲット(修正された画像)を含む大規模なデータセットの畳み込みニューラルネットワークのような回帰モデルを採用し、実証的なリスクを減らしています。

 

 

一方で、この方法ではクリーンターゲットはネットワークがそれぞれの画像を観察できれば完全に処分できます。異常値(50%)の外れ値を持つ画像を修正するように学習されています。しばしば、クリーンな模範解答を用いたモデルよりも優れています。さらに、クリーンターゲットを観察するよりも安価な作業です。

 

50,000枚の画像のネットワークを学習させるため、調査員はCUDAの深層ニューラルネットワークライブラリーによるテンソルフローフレームワークのNVIDIA Tesla P100 GPUを利用しました。

 

 

応用

天体写真のような低照度イメージや、磁気共鳴イメージ、物理ベースの画像合成などのクリーンなトレーニングデータの取得が困難な多くのシナリオがあります。

 

 

明らかに、ネットワークはインプット画像に存在しない特徴をピックアップすることは学べないですが、きれいなターゲットを使ったトレーニングでも同じことが言えます。

 

この研究結果において、研究者達はスタンダードなノイズ分布(加算ガウスノイズを含む)から始め、画像合成において分析的に難しいモンテカルロノイズへと進んできました。また彼らはMRI(磁気共鳴画像)のサブナイキストスペクトルサンプリング画像から画像再建がノイズ画像だけから学習できることを観察しました。

おすすめ新着記事

おすすめタグ