Sztuczna inteligencja może teraz projektować realistyczne obrazy wideo i gier

Jeśli zamkniesz oczy i wyobrazisz sobie ceglaną ścianę, prawdopodobnie wymyślisz całkiem niezły obraz mentalny. Po obejrzeniu wielu takich ścian Twój mózg wie, jak powinna wyglądać.

Startup w Wielkiej Brytanii wykorzystuje uczenie maszynowe, aby umożliwić komputerom i smartfonom modelowanie informacji wizualnych w podobny sposób. Komputer mógłby wykorzystywać te modele wizualne do różnych zadań, od ulepszania strumieniowego przesyłania wideo po automatyczne generowanie elementów realistycznego wirtualnego świata.

Technologia Magic Pony , stworzony przez absolwentów Imperial College London, specjalizujących się w statystyce, wizji komputerowej i neuronauce, szkoli duże sieci neuronowe w celu przetwarzania informacji wizualnych.

Transmisja na żywo z gier wideo pokazuje, jak system może wyostrzyć rozmazany materiał w czasie rzeczywistym.

Firma opracowała sposób na tworzenie wysokiej jakości filmów lub obrazów z tych o niskiej rozdzielczości. Przesyła przykładowe obrazy do komputera, który konwertuje je do niższej rozdzielczości, a następnie uczy się różnicy między nimi. Inni pokazali to już wcześniej, ale firma jest w stanie to zrobić na zwykłym procesorze graficznym, który może otwierać aplikacje. Jeden z przedstawionych przykładów wykorzystuje technikę ulepszania transmisji na żywo w czasie rzeczywistym.

Algorytmy Magic Pony mogą wyostrzyć pikselowaną postać.

Rob Biskup , współzałożyciel, mówi, że Magic Pony prowadzi obecnie rozmowy z kilkoma dużymi firmami zainteresowanymi licencjonowaniem technologii. Jak mówi Bishop, firmy zajmujące się transmisją wideo online w dużej mierze polegają na kompresji wideo. Nasz pierwszy produkt pokazuje, że jakość obrazu można znacznie poprawić dzięki głębokiemu uczeniu, a szybkie mobilne procesory graficzne pozwalają nam teraz wdrożyć go w dowolnym miejscu.

Bishop dodaje, że technologia może poprawić jakość zdjęć robionych smartfonami aparatami o niskiej rozdzielczości lub przy słabym oświetleniu. Firma przygląda się innym aplikacjom, w tym konwertowaniu pikselowej grafiki komputerowej na grafikę o wysokiej rozdzielczości lub automatyczne generowanie kilometrów realistycznie wyglądającego terenu i tekstur na podstawie wcześniejszych przykładów gier lub środowisk wirtualnej rzeczywistości.

To, co niezwykłe w podejściu firmy do przetwarzania materiału wideo, polega na tym, że nie wymaga ręcznie oznakowanych przykładów. Zamiast tego rozpoznaje wzorce statystyczne w przykładach o wysokiej i niskiej rozdzielczości, a następnie uczy się, jak powinny wyglądać krawędzie, tekstury, linie proste i inne cechy.

Ten rodzaj uczenia się może być ważny dla przyszłości sztucznej inteligencji (patrz The Missing Link of Artificial Intelligence ). Do tej pory uczenie głębokie było stosowane głównie jako sposób rozpoznawania obiektów wysokiego poziomu, takich jak określone twarze na obrazach i filmach, co zostało osiągnięte dzięki przetworzeniu wielu oznaczonych przykładów (patrz 10 Przełomowe technologie 2013: Głębokie uczenie ).

System może automatycznie generować złożone tekstury, takie jak zniszczona ściana z cegły.

System może automatycznie generować złożone tekstury, takie jak zniszczona ściana z cegły.

Naukowcy z Magic Pony przedstawią referat na konferencji poświęconej wizji komputerowej jeszcze w tym roku. Jednak Bishop mówi, że od czasu napisania artykułu jego zespół znacznie ulepszył technologię, aby była jeszcze bardziej wydajna.

Bishop wyjaśnia, że ​​nazwa Magic Pony pochodzi od spotkania, na którym pierwszy inwestor opisał tę technologię jako magicznego kucyka, ponieważ nikt by w to nie uwierzył, nie widząc jej.

ukryć