dimanche, 2 octobre 2022

De nouvelles façons de séparer le bruit des processus de découpage du signal pour améliorer la qualité de l’image

Le fabricant d’applications logicielles

de traitement d’image Visionary.ai a lancé un tout nouveau débruiteur vidéo en temps réel créé pour améliorer la qualité vidéo. Selon EdgeIR, les algorithmes établis par Visionary sont suffisamment légers pour être publiés sur du silicium économique et pour fonctionner à la périphérie. » Dans des conditions de lumière extrêmement faible, lorsqu’il y a peu de photons pour une unité de détection d’image

pour attraper, le bruit est le facteur limitant « , explique Yoav Taeib, directeur de l’innovation visionnaire. » Pour les applications de vision humaine, ce bruit comprend les taches, les flous

et la distorsion des images, et pour la vision artificielle, cela réduit la précision de la reconnaissance des objets », déclare-t-il. Pour capturer beaucoup plus de photons, il faudrait un capteur d’image et un objectif lié qui sont proportionnellement plus grands, ce qui augmenterait les dépenses. »Une approche basée sur l’IA qui utilise les informations brutes de l’image et utilise un algorithme sophistiqué pour séparer

le bruit du signal d’image est une méthode plus fiable pour étendre l’efficacité de la came « , déclare le CTO. (Reconnaissance de la plaque d’immatriculation de nuit. Source : Visionary.ai) Visionary déclare qu’il a comparé son débruiteur à d’autres

techniques de bruit réduction. Selon l’entreprise

, le concurrent le plus proche en termes de résultats était Restormer, qui nécessitait apparemment plus de puissance de traitement et prenait 212 fois plus de temps à exécuter. Le PDG visionnaire Oren Debbi a déclaré qu’au vu du niveau d’intérêt suscité par l’entreprise, il semble que le bruit et les performances en basse lumière soient des problèmes que

les techniques précédentes n’avaient pas la capacité de résoudre correctement. « Nous prévoyons qu’au cours des 7 prochaines années, les techniques basées sur l’IA pour réduire le son et améliorer l’efficacité des images finiront par devenir la toute nouvelle norme sur le marché de l’électronique

. » La minimisation du son contenu dans les images est considérée comme la clé d’un traitement fiable de l’IA basé sur les bords, comme les applications biométriques. L’Institut de Gwangju publie une recherche sur la vision d’image Une autre approche pour débruiter les images a été récemment développée par l’Institut des sciences et de la technologie de Gwangju, en coopération avec l’étude VinAI Research et l’Université de Waterloo (qui s’intéresse en fait à ce sujet depuis un certain temps) . La nouvelle recherche explique un réseau de post-correction auto-supervisé qui améliore l’efficacité du débruitage sans dépendre d’une référence. Selon un communiqué de presse de l’Institut Gwangju, le modèle est développé

pour les situations dans lesquelles l’image de test est sensiblement différente des images utilisées pour la formation. La technique généralement utilisée pour restituer des images

de haute qualité et raisonnables est appelée « path tracing », qui repose sur une approche de débruitage de Monte Carlo basée sur l’apprentissage automatique surveillé, selon une toute nouvelle étude de recherche

article . Dans cette structure d’apprentissage, le modèle de découverte de dispositif est d’abord pré-entraîné avec des ensembles d’images bruyantes et ordonnées, puis appliqué à l’image de test bruyante à restituer. L’enseignant associé Bochang Moon de l’Institut Gwangju, l’un des

scientifiques du projet, affirme que les méthodes existantes échouent à deux égards. Premièrement, les ensembles de données de test et d’entraînement sont très différents, et deuxièmement, ils ont besoin de beaucoup de temps pour obtenir

l’ensemble de données d’entraînement pour pré-entraîner le réseau. images à la volée sans avoir besoin d’une formation préalable », déclare Moon. Le scientifique a également affirmé que la méthode de l’équipe est la première qui ne compte pas sur la pré-formation avec un ensemble de données externe et peut apparemment être formée à la volée pour produire des images premium en environ 12 secondes. » Cela, en effet, raccourcira le

temps de production et améliorer la qualité du contenu basé sur le rendu hors ligne, comme les animations et les films », déclare-t-il. Le partenariat entre l’Institut Gwangju et l’Université de Waterloo intervient environ 2 ans après que VinAI Research a développé une technologie de reconnaissance faciale avec des capacités de détection de masque, l’une des toutes premières entreprises à le faire au début de la pandémie. Se demander qui était le dernier ? Peut-être Apple, qui a lancé la bêta d’iOS 15.4 avec Face ID à utiliser avec un masque et sans authentification biométrique Expect en janvier 2022.

Toute l’actualité en temps réel, est sur L’Entrepreneur

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici