ابزار هوش مصنوعی جدیدی که تصاویر بی‌کیفیت شما را بهبود می‌بخشد

محققان موفق به توسعه ابزار جدیدی به نام GFP-GAN شدند که با استفاده از هوش مصنوعی کیفیت تصاویر را بهتر می‌کند.

امروزه هوش مصنوعی در ویرایش تصاویر بسیار سودمند هستند؛ اما مانند اکثر موارد در دنیای فناوری، این گزینه نیز طرفداران و منتقدان متعددی دارد.

به گزارش thenextweb، طرفداران هوش مصنوعی می‌گویند، این ابزار ایده‌های هنری جدیدی را به حقیقت تبدیل می‌کند و باعث می‌شود هنرمندان و ویرایشگر زمان کمتری برای انجام کارهای پیش‌پا افتاده و یکنواخت صرف کنند. منتقدان استدلال می‌کنند که تکنیک‌های هوش مصنوعی واقعیت را تحریف می‌کند و باعث ایجاد همگنی مصنوعی در تصاویر می‌شود. هر دو گروه تا حدودی درست می‌گویند.

حال نوبت به سیستمی جدید به نام GFP-GAN رسیده است که با استفاده از هوش مصنوعی کیفیت تصاویر را به طرز قابل توجهی بهبود می‌بخشد. GFP-GAN می‌تواند نتایج بسیار چشمگیری خلق کند.

سیستم GFP-GAN که توسط محققان آزمایشگاه Tencent ARC در چین توسعه یافته است، از معماری شبکه مولد متخاصم (Generative Adversarial Network) که به اختصار GAN نامیده می‌شود، برای بهبود چهره در عکس‌های قدیمی، آسیب‌دیده و نامشخص استفاده می‌کند. سپس ویژگی‌های عکس برای ایجاد تصویری ارتقایافته بازیابی و اصلاح می‌شوند.

نویسندگان مطالعه‌ی اخیر در مقاله خود نوشتند:

درحالی‌که روش‌های قبلی برای بازگرداندن جزئیات صورت و حفظ هویت چهره موفق عمل نمی‌کنند، GFP-GAN به تعادل خوبی از واقعیت و وفاداری به سوژه اصلی دست یافته است. سیستم قدرتمند ما این امکان را می‌دهد که بتوان به‌طور هم‌زمان کار ترمیم و تقویت رنگ تصاویر را انجام داد.

تیم تحقیقاتی پشت GFP-GAN نسخه‌ای آزمایشی را توسعه داده است تا به کاربران فرصتی برای آزمایش آن داده شود. با این کار می‌توان ادعاهای این گروه درباره سیستم جدیدشان را محک زد.

یکی از خبرگزاری‌ها با انجام چند آزمایش، سعی کرد GFP-GAN را بررسی کرده و نظر اولیه خود را منتشر کند. براساس گزارش منتشر شده، GFP-GAN در تصاویری که فقط ایرادات جزئی داشتند، مهارت بیشتری داشت. همچنین گفته می‌شود سیستم جدید، برخلاف دیگر ابزارهای هوش مصنوعی، دقت نسبتا مشابهی در ویرایش تصاویر متعدد دارد.

مقاله‌ی مرتبط:

• توانایی جدید هوش مصنوعی برای تصور چیزهایی که تاکنون ندیده است

البته نتایج خلق شده همیشه عالی نبودند. ضعف سیستم زمانی بیشتر خود را نشان داد که از ابزار GFP-GAN روی تصاویری بسیار تار و بی‌کیفیت استفاده شد. در بعضی موارد، حتی تصاویر ورودی با کیفیت نیز منجر به تولید خروجی‌هایی عجیب‌وغریب می‌شدند.

افرادی که ابزار GFP-GAN را آزمایش کرده‌ بودند، نتوانستند به‌طور قطع نظر خود را درباره آن بگویند؛ زیرا نتایج به‌دست‌آمده در دو دسته مختلف قرار می‌گرفتند. بعضی خروجی‌ها خوب بودند، اما گاهی تصاویر نهایی کمی ترسناک به نظر می‌رسیدند.

در نهایت باید گفت که نمی‌توان قدرت هوش مصنوعی استفاده شده در GFP-GAN را نادیده گرفت و باید در آینده شاهد پیشرفت‌های بیشتری از آن باشیم؛ اما آیا می‌توان به چنین سیستمی که نتایج یکسانی ارائه نمی‌دهد اعتماد کرد؟ باید دید آینده چه چیزی را برای این فناوری در نظر گرفته است. شاید روزی برسد که هوش مصنوعی به‌طور کامل و بدون نظارت انسانی بتواند ویرایش تصاویر را با دقت بسیار بالا انجام دهد.