تبدیل عکس‌های بی‌کیفیت به سلفی‌های با کیفیت به وسیله هوش مصنوعی
محققان یک سیستم هوش مصنوعی توسعه داده‌اند که عکس‌های پرتره بی‌کیفیت را به سلفی‌هایی بسیار با کیفیت تبدیل می‌کند.
این روش "PULSE" نام دارد و در نمونه عکس‌های صورت با کیفیت که با هوش مصنوعی تولید شده‌اند، جست‌وجو می‌کند تا چهره‌ای که شبیه به تصویر ورودی است را با عکس تطبیق دهد.
تیم تحقیقاتی پروژه از یک ابزار یادگیری ماشین یا دو شبکه عصبی استفاده کردند. یکی از این شبکه‌ها صورت‌های انسانی تولید شده با هوش مصنوعی را توسعه می‌دهد و دیگری این خروجی را دریافت کرده و تصمیم می‌گیرد که خروجی سیستم به اندازه‌ای قانع کننده است که به عنوان عکس واقعی اشتباه گرفته شود یا خیر؟
این سیستم قادر است در عرض چند ثانیه یک عکس "۱۶x۱۶" پیکسلی صورت را به یک عکس "۱۰۲۴x۱۰۲۴" تبدیل کند که این میزان کیفیت عکس را ۶۴ برابر می‌کند.
"سینتیا رودین"(Cynthia Rudin) محقق ارشد پروژه از دانشگاه "دوک" اظهار کرد، تاکنون سیستمی ساخته نشده بود که تصاویر ورودی با این کیفیت کم را به تصاویر بسیار با کیفیت با این جزئیات تبدیل کند.
این سیستم پیکسل‌های متعددی را تولید می‌کند تا صورت‌هایی بسیار واقعی طراحی کند که ویژگی‌های تصویری همچون خطوط ریز، مژه و دیگر ویژگی‌های چهره در آن که در عکس اول وجود نداشته‌اند، به وجود آید.
گرچه محققان پروژه اعلام کردند که این فناوری قادر نیست افراد را شناسایی کند و نمی‌تواند یک عکس غیرقابل تشخیص از دوربین امنیتی را به تصویری واضح و شفاف از یک شخص واقعی تبدیل کند.
در حقیقت کاری که این سیستم انجام می‌دهد، تولید چهره‌های جدید است که وجود ندارند ولی به نظر می‌رسد که وجود دارند.
رویکرد محققان دانشگاه "دوک" جست‌وجو میان تصاویری است که با هوش مصنوعی تولید شده‌اند.
"الکس دامیان"(Alex Damian) محقق پروژه از دانشگاه دوک گفت: الگوریتم ما توانست حتی در عکس‌های پیکسلی که در آنها چشم‌ها و دهان به سختی قابل تشخیص است، عملکرد خوبی داشته باشد. این چیزی است که رویکردهای سنتی قادر به انجام نیستند.
محققان از ۴۰ نفر خواستند که هزار و ۴۴۰ تصویر که توسط "PULSE" و پنج روش مقیاسی دیگر توسعه داده شده بود را از یک تا پنج درجه‌بندی کنند.
نتایج نشان داد که سیستم هوش مصنوعی ساخت محققان دانشگاه "دوک" عملکرد بسیار خوبی داشته است. به نحوی که کیفیت عکس‌ها در حد عکس افراد واقعی بود.
منبع: ایسنا- دیلی‌میل
24
