A Google neurális hálózatok bevetésével már azokhoz a futurisztikus képjavító technológiához közelít, amiket eddig legfeljebb filmekben láthattunk.

Napjaink egyre inkább terjedő 4K-s felbontása előbb-utóbb a képrögzítés és -javítás terét is elfoglalja. Különösen a kétkamerás, gyenge fényviszonyok között készült felvételeket javító hardveres megoldások hoznak szép eredményt, egyre kevesebb az elmosódott, életlen, értékelhetetlen kép vagy videó. Ezt egyébként az évről évre javuló minőséget produkáló okostelefonos kamerák fejlődése is segíti.

Egyelőre azonban még mindig rengeteg olyan ipari és otthoni képrögzítő eszköz van használatban, ami akár évtizedek óta szolgálja tulajdonosát. Ezek azonban mai mércével gyenge képminőséget adnak: a VGA-felbontás körüli látvány gyakran csak sejteti, hogy mi látható a képen.

A nyomozós sorozatokban ezt a problémát az ultramodern technológiák bevetésével hidalják át, azokkal varázsolnak hihetetlenül éles képeket a kijelzőn megjelenő értelmezhetetlen pixelhalmazból. Mostanáig mindez nem csak hihetetlen, hanem hiteltelen is volt, legalábbis az általánosan elérhető képjavító technikákat ismerve. Mostanáig...
 

Egy kis agymunka

A Google mesterséges intelligenciával foglalkozó kutatói ugyanis bevetették a cég erőforrásait a probléma kezelésére. Túlságosan alacsony felbontású képekből varázsoltak, ha nem is tökéletes, de azért emberi fogyasztásra már alkalmas változatokat. A Brain nevű kutatócsoport neurális hálózatok tanításával érte el az eredményt; ehhez ismert személyiségek fotóit, később pedig hálószobák képeit használta fel.

Míg az egyik hálózat feladata volt, hogy "kitalálja", hogyan kell az alacsonyfelbontású képek pixeleiből magasabb felbontást elérni, addig a másik a végső részletek hozzáadásáért felelt. Mindkét hálózat úgy végezte munkáját, hogy rengeteg, korábban „látott”, hasonló kép elemzéséből származó adatokat húzott rá a bemenetként megadott képekre.

Amint az lent is látszik, közel sem tökéletes a végeredmény, de még mindig megdöbbentő, mire képes a két neurális hálózat együttműködése. Baloldalt látható a gyakorlatilag felismerhetetlenre tömörített kiindulási állapot, jobboldalt pedig az eredeti kép. A kettő közé került az, amire a Google algoritmusai jutottak hosszas tanulást követően.

Persze fontos megjegyezni, hogy a mesterséges intelligencia nem visszaállítja valahonnan a kép részleteit, hanem, amint azt fent is említettük, a korábban tanultak alapján egészíti ki. Ebből következően az így nyert kép perdöntő bizonyíték biztosan nem lehetne például egy nyomozási ügyben, de a helyes irányba való elmozdulásban segíthetné a nyomozókat. És nem csak a bűnüldözésben játszhatna szerepet a Brain eredménye, hanem akár műholdas képek elemzésére is használható lenne.

Egyelőre a fiókban marad

Sajnos a Google hivatalosan nem tervezi a technika továbbfejlesztését; a kutatás egyfajta lehetőségfeltáró kísérlet volt. Lehetőségei amúgy is korlátozottak, hiszen a Brain algoritmusainak erősen fókuszált témájú képekkel kellett megbirkózniuk. "Tudták", hogy arcokkal és hálószobákkal kell dolgozniuk, ami nyilván nagyban segítette, hogy a végeredmény elfogadható minőségű legyen.

Ugyanakkor a vállalat már korábban is bizonyított ezen a téren. Rapid and Accurate Image Super-Resolution, azaz RAISR (Emelő) megoldása fel tudja skálázni a kisebb felbontású képeket nagyobbra, néhány egyszerű algoritmus alkalmazásával. Ezek feladata, hogy az egyébként nem létező pixelek megjelenésével „kitalálja”, milyen színűeknek kellene lenniük a képpontoknak ahhoz, hogy a néző számára a lehető legjobb, az eredetihez lehető legközelebbi vizuális élményt nyújtsák.

Cloud & big data

CIO Podcast #75: A nagyvállalatok is early adopterré válhattak a CIO Hungaryn

Három szakember az innovációk gyors alkalmazásának az üzleti és technológiai előnyeiről és lehetséges kockázatairól.
 
Hirdetés

A tétlenség ára, avagy a legacy rejtett költségei

A legtöbb vállalat a modernizáció költségeit számolja. A valódi üzleti kockázat azonban gyakran nem a változtatás ára, hanem annak elhalasztása.

Hirdetés

Forradalom az IT-ban – forradalom az IT-biztonságban

A generatív mesterséges intelligencia, AI-alapú automatizálás, az agentic AI alapjaiban rajzolta át a vállalatoknál az IT és az üzlet kapcsolatát – és ezzel együtt az IT-biztonsággal kapcsolatos elvárásokat és feladatokat.

Az AI mind több ponton épül be a vállalati folyamatokba, ezért egyre népszerűbb célpontja a kibertámadásoknak. De hol támadható, ha egyszer annyira okos?

a melléklet támogatója a CLICO

Egy kormányrendelet alapjaiban formálják át 2026-tól az állami intézmények és vállalatok szoftvergazdálkodási gyakorlatát.

Projektek O-gyűrűje. Mit tanulhat egy projektvezető a Challenger tragédiájából?

A Corvinus Egyetem és a Complexity Science Hub kutatói megmérték: a Python kódok közel harmadát ma már mesterséges intelligencia írja, és ebből a szenior fejlesztők profitálnak.

Rengeteg ország áll át helyi MI-platformra

Ön sem informatikus, de munkája során az információtechnológia is gyakran befolyásolja döntéseit? Ön is informatikus, de pénzügyi és gazdasági szempontból kell igazolnia a projektek hasznosságát? Mi közérthető módon, üzleti szemmel dolgozzuk fel az infokommunikációs híreket, trendeket, megoldásokat. A Bitport tizennegyedik éve közvetít sikeresen az informatikai piac és a technológiát hasznosító döntéshozók között.
© 2010-2026 Bitport.hu Média Kft. Minden jog fenntartva.