你否注意到，当摄制水下照片的时候图像不会经常出现比以往摄制效果更加相当严重的模糊不清并且失知道情况？这是因为光波动和偏移衍射等现象不会对可见度产生有利影响。为了解决问题这个问题，中国哈尔滨工程大学的研究人员设计了一种机器学习算法，该算法可以分解细致的水下图像；另一种算法，则可以对这些图像展开深度训练，以超过完全恢复大自然色彩并增加雾度的效果。

他们说道，这种方法在质量和数量上都与近期技术相匹配，并且需要在单个显示卡上以每秒 125 帧的速度展开处置。该团队认为，大多数水下图像增强算法（例如那些调整白平衡的算法）都不是基于物理光学模型构建，这使其呼吸困难用作一些任务。

相比之下，这种方法利用了生成式对付网络（ GAN ）（一种深度自学模型，模型通过框架中两个模块：分解模型和判断模型的相互博弈论自学产生非常好的输入），以分解一组特定调查地点的图像并在此基础上引进第二种算法， U-Net。研究小组对 GAN 展开了一系列有标记场景的训练，这些场景还包括 3733 幅图像和适当的深度地图，主要还包括扇贝、海参、海胆和室内海洋农场内的其他此类生物。

他们还取得了还包括 NY Depth 在内的公开发表数据集，其中包括了总共数千张水下照片。训练后，研究人员将双模型方法的结果与基线模型方法的结果展开了较为。

他们认为，前者技术的优势在于它在颜色完全恢复上是统一的，这使它能在很好完全恢复绿色色调图像的同时，不毁坏完整输出图像的底层结构。一般来说情况下，这种方式在维持“必要的”亮度和对比度的同时，还能设法完全恢复颜色，而在这方面其他解决方案并不尤其擅长于。值得注意的是，这并不是第一个想起利用AI技术从损毁的图片中修复画面的研究团队。

剑桥咨询（ Cambridge Consultants ）公司的 AI 系统 DeepRay 利用了一套训练有素的 GAN 来处置 10 万张静止图像的数据集，以避免不半透明的玻璃窗格造成的杂讯。开源 DeOldify 项目用于了还包括 GANs 在内的一系列人工智能模型来对原有图像和胶片展开着色和完全恢复。

在其他方面，微软公司亚洲研究院（ Microsoft Research Asia ）的科学家在 9 月份详尽讲解了一个用作自律视频着色的端到端系统； NVIDIA 的研究人员去年叙述了一个框架，该框架仅有基于一个被注解过得彩色视频帧推测颜色分类；今年 6 月，谷歌AI团队发售了一种需要人工监督才可对灰度视频展开着色的算法。venturebeat更好精彩内容若无注目官方网站、(公众号：)微信公众号及涉及微信账号。原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：皇冠最新crown官网-www.saicbus.cn