Wyobraź sobie, że podziwiasz dzieło sztuki w galerii. Starasz się zapamiętać każdy detal narysowany na płótnie: kolory, postaci, elementy kompozycji. Trudne? Oczywiście. Nasz mózg jest niesamowity, ale szczegółów jest za dużo. Podobnie dotychczasowe komputery i ich „oczy” – kamery z odpowiednim oprogramowaniem – mogły „widzieć” ogólny obraz, ale gubiły szczegóły. Nowy algorytm stworzony przez naukowców z MIT pozwala komputerom zachować te wszystkie drobne detale.
Jak to działa?
Zwykle, kiedy komputer próbuje zrozumieć obraz, dzieli go na małe kawałki, tak jak my rozkładamy widok na sceny. Problem w tym, że do tej pory urządzenia traciły mnóstwo fragmentów, gdyż „patrzyły” na niego w bardzo niskiej rozdzielczości (od 16 do 32 pikseli). FeatUp zmienia to, pozwalając maszynom zachować ostry i szczegółowy obraz od początku do końca procesu analizy. To trochę jak dać komputerowi superokulary, dzięki którym widzi dokładnie to, co my, i nawet więcej.
Pomysł został zaczerpnięty z technologii, która pozwala na tworzenie trójwymiarowych modeli z obrazów. Używa on tych o niskiej jakości, aby stworzyć coś o wysokiej rozdzielczości. Robi to, zbierając pliki, które nie są idealne i patrząc na nie wszystkie razem. Następnie specjalny system tzw. sieć do poprawiania jakości obrazu uczy się, aby na podstawie tych niedoskonałych fragmentów tworzyć coś bardzo szczegółowego i ostrego.
Dlaczego to takie ważne?
Naukowcy z MIT, którzy stworzyli FeatUp, już myślą o przyszłości. Wyobrażają sobie, że ich program będzie używany wszędzie tam, gdzie komputery pracują z obrazami. To może oznaczać lepsze systemy bezpieczeństwa, nowe metody leczenia chorób, nawet lepsze roboty wykorzystywane w domu, które lepiej „widzą” przestrzeń wokół siebie.
Już teraz algorytm pokazuje swoją wartość. W testach, pomógł komputerom dokładniej rozpoznać małe obiekty na drodze, takie jak znaki czy światła, co jest kluczowe dla bezpieczeństwa w samochodach autonomicznych. W medycynie, może pomóc lekarzom zobaczyć na zdjęciach rentgenowskich czy MRI coś, co wcześniej mogłoby zostać przegapione, dzięki czemu diagnoza i leczenie zostanie wdrożone o wiele szybciej. Dzięki FeatUp, algorytmy mogą teraz z łatwością identyfikować obiekty na poziomie, który był dotychczas nieosiągalny.
