Оригинальный адрес:Bringing Old Photos Back to Life
Оригинальный автор:Ziyu Wan
Переводчик и корректор: HelloGitHub - Вяленая рыба и утка Утка
написать впереди
Горячие тренды на GitHubVol.046В HG представила инструмент искусственного интеллекта Microsoft с открытым исходным кодом ——Bringing-Old-Photos-Back-to-Life, который может омолаживать сломанные и изношенные изображения, и на этой неделе у него почти 3 тысячи звезд. Эта статья представляет собой введение в проект, опубликованное членом команды проекта Ziyu Wan на Hacker News. Наслаждайтесь этим~
Обзор
Мы намерены использовать методы глубокого обучения для восстановления старых фотографий с серьезным старением. В отличие от задачи рисования традиционного обучения с учителем, старение реальных фотографий более сложно, а разрыв между синтетическими изображениями и реальными старыми фотографиями делает сеть неспособной к обобщению. Поэтому мы предлагаем новую трехдоменную сеть перевода, использующую реальные фотографии и большое количество пар синтетических изображений. В частности, мы обучаем два вариационных автоэнкодера (VAE) для преобразования старых и чистых фотографий в два скрытых пространства соответственно. Изучение преобразований между двумя скрытыми пространствами путем синтеза парных данных. Поскольку разрыв домена закрыт в скрытом компактном пространстве, эта сеть перевода хорошо обобщается на реальные фотографии.
Кроме того, для решения многочисленных проблем деградации, смешанных со старыми фотографиями, мы разрабатываем глобальную ветвь с частичными нелокальными блоками для обработки структурных дефектов, таких как царапины, пятна пыли, и локальную ветвь для обработки неструктурных дефектов, таких как: шум, размытие. Две ветви сливаются в скрытом пространстве, улучшая способность восстанавливать старые фотографии после множественных проблем с ухудшением качества. Этот метод превосходит существующие методы по визуальному качеству фотопечати.
Обзор архитектуры
- Сначала мы обучаем два вариационных автоэнкодера VAE: VAE1 для реальных фотографий r ∈ R и синтетических изображений x ∈ X, сужая их доменный разрыв за счет совместного обучения состязательного дискриминатора; VAE2 для чистых изображений y ∈ Y. Преобразуйте изображения в компактное скрытое пространство с помощью VAE.
- Мы изучили отображение для восстановления поврежденных изображений на чистые фотографии с частичными нелокальными блоками в компактном скрытом пространстве.
Сравнительная таблица
Подробнее о ремонте
внимательно смотреть
Введение члена команды Зию Вана в «Возвращение к жизни старых фотографий» было переведено, и заинтересованные друзья могут сыграть в него.
Наконец, вы можете присоединиться к серии HelloGitHub «Перевод и танец» и дать волю своим талантам! Делитесь отличными статьями с большим количеством людей. Требовать:
- Обычно просматривайте GitHub, открытый исходный код, программирование, программисты и другие новости и статьи на английском языке.
- Я хочу поделиться отличными английскими статьями, которые я прочитал, с большим количеством людей.
- Перевод точный, но не прямой или машинный перевод
- Гарантированно перевести или исправить не менее 1 качественной статьи в месяц
- Понимание уценки и типографики
- свяжитесь со мной (примечание: перевод)