訂閱
糾錯
加入自媒體
當(dāng)前位置： OFweek 人工智能網(wǎng)   >   大數(shù)據(jù)   >  正文

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

共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，請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    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 證 碼：

    粵公網(wǎng)安備 44030502002758號