Vladyslava ŠevčenkoNeščodavno doslidnyky z laboratoriї Tencent ARC v Kytaї stvoryly zastosunok GFP-GAN dlja pokraščennja jakosti zobražennja oblyččja ljudyny na staryh, poškodženyh čy nečitkyh fotografijah.
Usi možuť protestuvaty zastosunok u demo-versiї za posylannjam. Prote nam ce ne vdalosja čerez perevantaženisť systemy.
Vydannja The Next Web vyjavylo, ščo GFP-GAN najkrašče pracjuje zi zobražennjamy, jaki majuť neznačni defekty. Na vidminu vid bagaťoh inšyh zastosunkiv, same GFP-GAN generuvav u cyh vypadkah najkrašču točnisť.
Vodnočas za slovamy vydannja, koly instrument vykorystovuvavsja dlja nadzvyčajno rozmytyh zobražeń, to zastosunok pokazuvav ne krašči rezuľtaty.
Jak pracjuje zastosunok
Zazvyčaj vidnovlennja ljudyny na fotografiї zaležyť vid kiľkoh faktoriv, odyn z jakyh — geometrija oblyččja. Prote nyźka jakisť vhidnyh zobražeń často zavažaje zastosovuvaty metody, pov’jazani z geometrijeju.
Ščob vyrišyty cju problemu, doslidnyćka grupa proponuje GFP-GAN, jakyj vykorystovuje inši funkciї ta metody dlja uspišnogo vidnovlennja fotografiї, na jakij z’javljajeťsja osoba zavdjaky štučnomu intelektu.
Їhnja modeľ dokladno opysana u statti, napysanij Xintao Wang, Yu Li, Honglun Zhang Ying Shan, kožen z jakyh pracjuje v Centri prykladnyh doslidžeń Tencent.
Konkurs Na chasi z Enjoy the Wood
Napyšiť post na zadanu temu ta otrymajte šans vygraty bestseler Enjoy the Wood ™ — derev’janu bagatošarovu mapu svitu u rozmiri L.
- Podrobyci konkursu čytajte za posylannjam.
- Roboty pryjmajuťsja do 10 sičnja. Uspihiv!
Buď laska, viźmiť učasť u opytuvanni. Ce dopomože rozvytku našogo projektu: