En aquest darrer any que s'acaba hem vist com les grans marques de telefonia mòbil s'han concentrat cada cop més en el sector fotogràfic dels dispositius: no només s'ha parlat d'un millor càmera muntada al millor dispositiu, sinó més aviat d'algorismes per utilitzar-los mitjançant la intel·ligència artificial en dispositius encara més "datats". Xiaomi per exemple, com hem informat qui, s'ha centrat en l'adquisició (en part) de Meitu que té molts algorismes de bellesa i patents d'imatge a la seva disposició; això, combinat amb els preus super competitius de Xiaomi, sens dubte aportarà una millora a nivell de programariintel·ligència artificial dedicada al sector fotogràfic. Però la notícia d'avui és diferent: seguir un estudi creuat "DeepExposure: aprendre a exposar fotos mitjançant un aprenentatge adversari reforçat de manera asíncrona" de la Universitat de Pequín, de la Universitat Normal de la Xina del Sud i déus Tècnics de Xiaomi es va aconseguir un resultat sorprenent. Amb el DeepExposure, Xiaomi millora l'exposició fotogràfica mitjançant IA, sense tenir problemes de subexposició i sobreexposició.
DeepExposure: Xiaomi millora l'exposició fotogràfica mitjançant IA
Els investigadors de la Laboratori Xiaomi descriure una solució al dilema de l'exposició a 'article esmentat, acceptat a NeurIPS 2018 a Mont-real, un esdeveniment celebrat del 3 al 9 de desembre d'enguany. Aquest article descriu a Sistema d'IA capaç de segmentar la imatge en múltiples "subimatges", cadascuna associada a una exposició particular. La fusió d'aquestes subimatges amb diferents exposicions (de baix a sobreexposat) condueix a una fotografia que s'acosta molt a la imatge percebuda per l'ull humà. Els investigadors van afirmar:
"L'exposició precisa és clau per capturar fotos d'alta qualitat en fotografia computacional, especialment per als telèfons mòbils que estan limitats per la mida dels mòduls de la càmera.. Inspirats en les màscares de lluminositat que solen aplicar els fotògrafs professionals, en aquest article desenvolupem un nou algorisme per aprendre exposicions amb un aprenentatge de reforç profund adversari"..
La tècnica que permet executar múltiples instruccions en paral·lel per tal de millorar el rendiment delIA, sobrenomenat Exposició profunda , arrenca el segmentació de la imatge. Això és seguit d'una fase on l'entrada de baixa resolució, les subimatges i la fusió d'imatges es concatenen i es processen. Després d'això, l'algorisme canvia a a fase d'acabament en el qual s'avalua la qualitat global. Al final, les subimatges es barregen fins a arribar a la foto final. Exposició profundaTreballant d'aquesta manera, va poder restaurar constantment la majoria dels detalls i estils de les imatges originals, alhora que millorava la brillantor i els colors.
Per dur a terme aquest experiment, Xiaomi utilitzava el marc TensorFlow codi obert desenvolupat per google, una sèrie de GPU Nvidia P40 Tesla i un conjunt d'imatges MIT-Adobe FiveK. El mètode innovador de DeepExposure actua com un pont entre els mètodes d'aprenentatge profund i els mètodes tradicionals de filtrat: els mètodes de l'aprenentatge profund s'utilitzen per aprendre els paràmetres del filtre, que fa que el filtratge sigui més precís que els mètodes tradicionals. Els mètodes tradicionals redueixen el temps d'entrenament dels mètodes d'aprenentatge profund perquè el filtratge de píxels és molt més ràpid que el de les noves tecnologies.
Per a Xiaomi, després de l'adquisició dels algorismes i filtres de bellesa de Meitu, s'esperen espurnes al sector fotogràfic. Arribarem a una època on les càmeres reflex i sense mirall ja no siguin necessàries? Què en penses? Escriu-ho als comentaris
