NVIDIA新研究：AI只通过噪点图像的训练就可以修复照片

编译：chux

出品：ATYUN订阅号

如果在低光照下拍摄的照片，噪音和伪影可以自动消除，那将会如何；如果你的照片库中有颗粒状或像素化的图像呢，你会想要修复它们吗？现在一种基于深度学习的方法已经学会了通过简单查看损坏的照片的示例来修复照片。

这项工作由NVIDIA，阿尔托大学和麻省理工学院的研究人员开发，本周将在瑞典斯德哥尔摩举行的国际机器学习会议上发表。

最近在该领域的深度学习工作集中在训练神经网络，以通过显示对噪声和清晰图像的示例对恢复图像。然后AI学习如何弥补差异。这种方法则不同，因为它只需要两个带噪点或纹理的输入图像。

即使以前没有显示过无噪点图像的情况下，此AI也可以消除伪影，噪点，纹理，并自动增强照片。

研究人员在他们的论文中指出：“系统在没用经过无噪点图像训练下，也有可能学会恢复信号，在性能上有时甚至超过经过训练的系统。神经网络与最先进的方法相媲美使用干净的例子，使用完全相同的训练方法，并且通常在培训时间或性能方面没有明显的缺点。“

使用NVIDIA的Tesla GPU的P100与cuDNN -accelerated TensorFlow深度学习框架，团队用ImageNet验证组50000个图像训练了他们的系统。

为了测试系统，该团队在三个不同的数据集上验证了神经网络。

该方法甚至可以用于增强MRI图像，可能为大幅改善医学成像铺平道路。

该团队表示，“有几种现实世界的情况很难获得干净的训练数据：低光照摄影（例如天文成像），基于物理的渲染和磁共振成像。我们的概念验证演示通过消除对潜在的大量清晰数据收集的需求，为这些应用程序带来了显着的潜在优势。当然，没有免费的午餐，我们无法学习如何获取输入数据中没有的功能，但这同样适用于清晰目标的训练。”