ai修復是什麼

深度學習的爆發，讓圖像識別變得容易，同樣，在圖像修復上面也取得很多進展。 AI對影像的修復，讓我們看到了在學習了大量資料後，AI似乎也可以產生對於影像的記憶和想像，將缺失的、模糊的、或雜訊嚴重的影像恢復「原貌」。

下面，我們一起來看看各種影像修復技術的進展。 （推薦學習：PHP影片教學）

#無乾淨樣本，超強去噪

最近，英偉達、阿爾託大學以及麻省理工大學一起提出了一種影像修復的新技術，該技術可以很好的去除影像中的雜訊和偽影，並且不需要乾淨的影像樣本。該工作在2018年ICML會議上公佈。

影片中展示了不同的影像雜訊（包括高斯雜訊、泊松雜訊、Bernoulli noise雜訊、脈衝雜訊等），該神經網路透過學習成對的雜訊圖片，完成的效果都不錯。

算是目前該工作中很優秀的存在了，一些細節的地方也處理得相當不錯，他們把這項技術稱為Noise2Noise。該團隊從ImageNet資料庫取得了50,000萬張圖片，並對它們進行「增噪」處理。然後把這些「不乾淨」的圖片輸入模型中訓練，讓模型學會「降噪」。

值得注意的是，這個模型接手的圖片全部都是增加了各種雜訊的圖片，完全不知道原圖是什麼樣子的。研究人員表示：「在沒有乾淨影像的情況下，神經網路學習恢復影像是可能的。」於是他們使用配對的雜訊影像，完成了這項工作。

研究人員希望將此項技術應用於含有大量雜訊的影像，例如天體攝影、核磁共振成像（MRI）以及大腦掃描影像等。

使用來自IXI資料集近5000張影像來訓練Noise2Noise的MRI影像去噪能力。在沒有人工雜訊的情況下，結果可能比原始影像稍微模糊一些，但仍然很好地還原了清晰度。

AI腦補，修復缺失圖像

關於圖像缺失修復的演算法也不少，先來看看來自整塊圖像缺失的修復演算法，該演算法來自南加州大學的工作。

雖然看起來沒有非常完美，但是作為一個PS小白，我來操作似乎也只能到這個水平了。

CNN網路結構

這個網路其實是由兩個神經網路組成，一個是內容生成網絡，一個是紋理生成網絡。內容生成網路生成影像，推斷缺失部分的內容。紋理生成網絡用於增強內容網絡產出的紋理，具體來說就是將生成的補全圖像和原始無缺失圖像輸入紋理生成網絡，在某一層feature_map上計算損失，記為Loss NN。

更多PHP相關技術文章，請造訪PHP圖文教學欄位進行學習！

以上是ai修復是什麼的詳細內容。更多資訊請關注PHP中文網其他相關文章！