Nov pristop k izboljšanju ločljivosti slikovnih podatkov z uporabo umetne inteligence

Nov globok konvolucijski model za super-resolucijo obrazov, ki so ga razvili raziskovalci Fakultete za elektrotehniko Univerze v Ljubljani in ameriške Univerze Notre Dame, lahko izboljša ločljivost slik obrazov za kar 8-krat.

Ločljivost slikovnih podatkov je ključnega pomena za človeško zaznavanje vsebine slik ter uspešnost različnih nalog računalniškega vida, kot je zaznavanje objektov, samodejno sledenje ali računalniško prepoznavanje in opisovanje slikovnih scen.

Skupina raziskovalcev iz Laboratorija za strojno inteligenco (LSI) Fakultete za elektrotehniko Univerze v Ljubljani (Klemen Grm, Vitomir Štruc) in Univerze Notre Dame, ZDA (Walter Scheirer), je razvila nov globok konvolucijski model za super-resolucijo obrazov, ki se lahko pohvali z zmožnostjo izboljšanja ločljivosti slik obrazov za kar 8-krat. Kot je prikazano na Sliki 1, je razviti model sposoben izdelati prepričljive, visokoločljivostne rekonstrukcije tudi iz izjemno majhnih slik, velikosti le 24 x 24 slikovnih elementov. V središču razvitega postopka je nov pristop k učenju super-resolucijskih modelov, ki pri optimizaciji parametrov modela uporablja kriterijsko funkcijo, sestavljeno iz člena, namenjenega verodostojnosti generiranih slikovnih podatkov, in člena, ki se nanaša na uspešnost razpoznavanja obrazov.

Razviti model je nastal v okviru doktorskih raziskav mladega raziskovalca Klemna Grma in je v sredini septembra 2019 prejel nagrado EAB Max Snijder award. Nagrada predstavlja eno od treh nagrad Evropske zveze za biometrijo (European Association for Biometrics, EAB). Te vsako leto podelijo najboljšim doktorskim disertacijam v Evropi, ki so povezane s področjem biometrije. Članek z opisom modela je sprejet v objavo v reviji kategorije A' (zelo kakovostni dosežki) – IEEE TIP.

Vir: Grm K., Scheirer W. J., Štruc V. Face hallucination using cascaded super-resolution and identity priors. IEEE Trans. Image Process., (2019), doi: 10.1109/TIP.2019.2945835.

Nov pristop k izboljšanju ločljivosti slikovnih podatkov z uporabo umetne inteligence

Primeri izboljšanja ločljivosti vhodnih slik z razvitim super-resolucijskim modelom. Sliki na levi prikazujeta primera vhodnih slik v razviti model, sliki na sredini prikazujeta izhoda modela, sliki na desni pa prikazujeta realni (oz. referenčni) visokoločljivostni sliki, namenjeni ovrednotenju rezultatov modela.

Avtor slike: Klemen Grm, LSI, UL FE