NVIDIAは、歪んだ写真を正確に再イメージ化するためにガウス回帰アルゴリズムを採用しています

より明確な結果をもたらすためのNASAの宇宙写真の再イメージング。 Spaceflight Now

NVIDIAは、その真っ白なグラフィックスプロセッシングユニット（GPU）で長い間知られており、その主な製品はNVIDIAGeForceカードです。それにより、同社は常にビデオゲーム、グラフィックデザイン、データ処理、自動車の人工知能を強化する経験の研究開発の中心的存在でした。

最近、NVIDIAは人工知能に単独で焦点を合わせ始めました。最新のプロジェクトでは、ガウスアルゴリズムを使用して既存の写真のスマートな再イメージングに重点を置き、温度と色合いに基づいて分類された何百もの鮮明な画像とぼやけた画像の軌跡の違いを評価しています。次に、これらの値を個々のぼやけた写真の回帰式に入力して、元の鮮明な画像がどのように見えるかを回帰します。このプロセスは、写真のすべてのポイントに対して個別に実行され、合計を使用して一般的な最小差値が生成されます。

NVIDIAOffice。 Twitterのナスダック

このアルゴリズムは、画面上の特定の色やパターンが示す過去の試みから学習するように機能します。システムが開発されたとき、それは何千ものぼやけた元の画像であり、マシンは画面上のどのパターンと色が元の画像のどの溝とエッジに対応するかを識別できました。 NVIDIAは何度もテストされており、AIチップに以前の試行から学習し、場所、色合い、温度に基づいて数学コードに変換される一致したグラフィックコードのデータベースを保存するように教えてきました。過去の経験と、同じ軌跡と色合いのぼやけた画像と鮮明な画像の間に確立された関係を使用して、マシンは新しい画像をクラックし、新しい写真の色合いと温度に最もよく一致する式を適用します。 NVIDIAは、AIが新しい画像で作業するときに利用できる十分に強力な保持データベースを持つために十分な試行を経てアルゴリズムを実行しました。メカニズムは独自に機能し、強化学習（RL）のトレーニングによって事実上すべての画像を発見できます。 。たとえば、十分な数の顔を見つけた後、マシンは、どのぼやけた溝が実際のどの顔の特徴に対応するかを理解するため、テストにかけられたときにぼやけた顔を見つけることができます。過度に引き伸ばされた、白塗りされた、フィルタリングされた、テクスチャ化された画像などのさまざまな種類のノイズへの露出も、アルゴリズムデータベースに追加されました。

アルゴリズムの 数学 言語では、プログラムは対応する画像上の対応する破損したクリアな遺伝子座を読み取り、x、y、x ’、およびy’をデータベースに記録します。次に、ガウス回帰曲線を作成して、2つの間の差を一致させ、一般的な写真ノイズに基づく変換を可能にします。生成された最小二乗回帰式では、条件を満たす最小値が取得され、ガウス値の新しい曲線がプロットされます。画像を元の鮮明な品質に戻すと、AIマシンのデータベース内の特定の色とパターンに対応する回帰パターンの違いに基づいてすべてのポイントの温度が変更され、各ポイントが裏返され、全体がクリアな画像になります。ガウス曲線メカニズムは、最も一般的な形式のノイズを考慮に入れますが、デバイスが、タイミングの悪いシャッター速度または画像の一般的なシェーディングに起因することが多い他の形式のノイズを識別できる場合、ガウス最小差の値は、データセットのポアソン（前者の場合）とベルヌーイ（後者の場合）の最小差の値も同様です。

人工知能が支援する写真の再イメージング。 BT

素人の言葉で言えば、これで人工知能が果たす役割は、デバイスによってすでに試みられた実践セットに基づいた、ユニークな写真のスマートな検出と変換です。今日達成された人工知能のレベルに関しては、それはまだ特に独立しておらず、すでに実践されているシナリオの範囲に限定された努力をしている段階にありますが、NVIDIAは試行して再作成できるマシンの作成で大きな成果を上げていますデータベースを一貫して適応および拡張し、その後の写真のターンオーバーの成功率を向上させることにより、最高レベルの精度で目に見えない写真。