Τα νευρωνικά δίκτυα βαθιάς συνέλιξης (Deep Convolutional Neural Networks – CNN) έχουν γίνει ένα πολύ διάσημο εργαλείο για δημιουργία και ανάκτηση φωτογραφιών, με μια σειρά από νέους αλγόριθμους να έχουν κυκλοφορήσει τους τελευταίους μήνες του 2017 ικανούς να επιτύχουν εντυπωσιακά αποτελέσματα στην ανακατασκευή και βελτίωση κατεστραμμένων ή χαμηλής ανάλυσης εικόνων. Ένας από τους πιο εντυπωσιακούς αλγόριθμους ονομάζεται Deep Image Prior, ανεπτυγμένος από μια ομάδα Ρώσων επιστημόνων.
Ο αλγόριθμος αυτός ξεχωρίζει από τους υπόλοιπους καθώς ξεφεύγει από τις πεπατημένες έως τώρα μεθόδους. Αντί να βασίζεται σε μεγάλες ποσότητες εκπαιδευτικών δεδομένων για να επιλέξει τον βέλτιστο τρόπο χειρισμού της υποβαθμισμένης εικόνας, το Deep Image Prior χρησιμοποιεί δεδομένα από την ίδια εικόνα για να την ανακατασκευάσει στην αρχική της κατάσταση.
Οι ερευνητές αναφέρουν ότι ο αλγόριθμος είναι ικανός να αφαιρέσει pixels από εικόνες, κείμενο από φωτογραφίες, κενά από εικόνες, να εξομαλύνει προβλήματα γραφικών που οφείλονται σε αλλοίωση (aliasing) JPEG εικόνων και ακόμη να βελτιώσει εικόνες χαμηλότερης ανάλυσης με αποδεκτά αποτελέσματα.
Αυτή η ικανότητα να διορθώνει αλλοιωμένες εικόνες είναι αρκετά εντυπωσιακή και είναι η πρώτη φορά που επιστήμονες επιχειρούν να αναδημιουργήσουν το εργαλείο αναγνώρισης περιεχομένου (Content Aware Fill/Brush) της Adobe το οποίο προστέθηκε στο Photoshop πριν από μερικά χρόνια. Ένα τεχνολογικό μυστικό που κανένα άλλο πρόγραμμα επεξεργασίας εικόνας δεν μπορούσε να αναπαράγει.
Το Deep Image Prior είναι ένα από τα δυο παρεμφερή project επεξεργασίας εικόνας που αναπτύχθηκαν φέτος. Το δεύτερο ονομάζεται PixelNN. Το συγκεκριμένο αναπτύχθηκε από τρεις ερευνητές του Πανεπιστημίου Carnegie Mellon και είναι ικανό να ανακατασκευάσει θολές ή μερικώς κατεστραμμένες εικόνες. Η διαφορά του με το Deep Image Prior είναι ότι χρειάζεται να “εκπαιδευτεί” με μεγάλο όγκο εκπαιδευτικών δεδομένων, αλλά είναι αρκετά πιο ακριβές από άλλα παρεμφερή project και είναι ικανό να ανακτήσει εικόνες με υψηλό αριθμό κατεστραμμένων δεδομένων.
