ทีมนักวิจัยจากห้องปฏิบัติการ Lawrence Livermore National Laboratory ในแคลิฟอร์เนียได้สร้างระบบ deep learning ที่สามารถซ่อมแซมภาพเบลอหรือภาพความละเอียดต่ำโดยไม่เห็นต้นฉบับ ผลงานนี้เป็นครั้งแรกที่สามารถทำโซลูชันที่เป็นลักษณะแบบไม่ต้องใช้ข้อมูลสอน หรือ unsupervised ในการแก้ไขปัญหาแบบย้อนกลับนี้
โดยการใช้โครงข่ายแบบลักษณะ Generative Adversarial Networks หรือ GANs นักวิจัยจึงสามารถที่จะสร้างภาพใหม่หรือซ่อมแซมภาพเบลอในลักษณแบบ “blind fashion” นักวิจัยกล่าว
GANs นั้นเป็นโครงข่ายที่ถูกใช้งานกันมาตั้งแต่ในอดีตกาลเพื่อปรับปรุงผลของภาพ MRI เพื่อช่วยให้คนสามารถแต้มสีข้อมูลเหมือนกับผู้เชี่ยวชาญต่างๆ สร้างระดับของวีดีโอเกม สร้างภาพปลอมของเหล่านักแสดง celebrity ต่างๆ หรือแม้กระทั่งซ่อมแซมภาพที่มีรูหรือพิกเซลที่หายไปได้
“เมื่อเรานำมาประยุกต์ใช้กับปัญหาของการย้อนกลับภาพ (inverse imaging) แบบทั่วไป พวกเราแสดงให้เห็นว่าวิธีการแบบ unsupervised ของพวกเรามีประสิทธิภาพแบบที่นำไปแข่งขันกับ baseline อื่นๆ ได้ และยังมีประสิทธิภาพที่เหนือกว่าวิธีการแบบ unsupervised ที่มีก่อนหน้านี้อย่างมีนัยสำคัญ” นักวิจัยเขียนไว้ในงานตีพิมพ์ “แม้จะเป็นสถานการณ์ที่ไม่สามารถบอกอะไรได้เลย ด้วยวิธีการแบบดั้งเดิม เช่น การวิเคราะห์คอมโพเนนท์แบบไม่ขึ้นต่อกัน (independent component analysis) นั้นจะทำงานล้มเหลวอย่างสมบูรณ์ เช่นเกิดเหตุการณ์ที่ภาพที่ออกมาได้ผลลัพธ์น้อยกว่าจำนวนภาพใน source อย่างมีนัยสำคัญ หากแต่พวกเราพบว่าวิธีการของพวกเราสามารถกู้คืนภาพออกมาโดยผลไปในทางเดียวกันกับภาพ source และยังมีความคมชัดสูงอีกด้วย”
ทีมนักวิจัยใช้เฟรมเวิร์ก TensorFlow โดยเทรนระบบบนข้อมูล dataset CelebA ซึ่งมีภาพถึง 202,500 ภาพ โดยทีมได้ใช้ภาพประมาณ 90% ในการทำเป็นข้อมูล training data และ 10 % ในการทำ validation
“โดยการใช้ประโยชน์จากโครงข่าย GAN พวกเราจึงสามารถที่จะทำโซลูชันที่กู้คืนภาพเบลอ ขอบของแผนที่ และภาพจากแหล่งที่มาที่แยกจากกันจากที่ไม่สามารถบอกอะไรได้” นักวิจัยกล่าว “ซึ่งสิ่งที่สำคัญของงานนี้คือวิธีการนี้ไม่ได้ต้องการใช้ความรู้จากงานที่แก้ไขได้นี้แต่อย่างใด”
Source : https://news.developer.nvidia.com/ai-can-now-reconstruct-blurry-images/