Nilalaman

• Paano gumagana ang mga neural network
• Mga Neural network sa loob ng iyong smartphone
• Ai ay maaaring hugis ang hinaharap ng pagkuha ng litrato

Bilang karagdagan sa pagkalkula ng pagkuha ng litrato, mga de-kalidad na hardware ng camera, at mga processors ng imahe, ang paggupit sa mobile photography ay lalong pinapagana ng mga algorithm sa pag-aaral ng machine - na kilala rin bilang artipisyal na intelektwal (AI). Nangangako ang pamamaraan na ito ng litrato na mapabuti ang kalidad sa kalidad patungo sa kalidad ng DSLR habang nag-aalok ng mga malikhaing bagong paraan upang kunan ng larawan at pag-edit ng mga larawan at video.

Ang susi sa pag-aaral ng machine ay ang paggamit ng mga neural network. Ito ay isang uri ng algorithm na madalas na ihambing sa utak ng tao. Ang paghahambing na ito ay nakuha mula sa kakayahan ng isang neural network na masanay, sa pamamagitan ng paggamit ng data, upang makilala ang mga pattern, pinapayagan itong gumawa ng lubos na tumpak na pag-uuri para sa mga kumplikadong uri ng data tulad ng audio at mga imahe.

Pagdating sa pagkuha ng litrato, ang kakayahang obserbahan, matuto, makabuo, at uri ay may malawak na hanay ng mga aplikasyon. Ang mga application na ito ay maaaring magsama ng mga tampok tulad ng pagbuo sa computational na pamamaraan ng pagkuha ng litrato sa pagpapabuti ng mga post-processing algorithm, real-time na bokeh ng software na may 4K video, o kahit na ganap na pagpapalit ng mga kulay ng mga damit na iyong suot.

Paano gumagana ang mga neural network

Ang mga Neural network ay isang napaka-kumplikadong paksa, kaya tatalakayin lamang namin ang mga pangunahing kaalaman dito. Para sa mas advanced na pagbabasa, tingnan ang mga gabay dito at dito.

Ang mga Neural network ay binubuo ng mga node, na kung saan ay higit na makabuluhan kung saan tapos na ang ilang pagkalkula. Ang bawat node ay pinagsasama ang isang input na may bigat na nagpapatibay o nagpatindi ng kahalagahan ng partikular na node. Maraming mga node ang madalas na gumagana nang magkatulad, na lumilikha ng isang layer ng node na gumaganap ng isang mas malaking gawain. Maaari itong maging tampok na pagtuklas sa loob ng isang imahe, halimbawa. Ang maramihang mga node at layer ay maaaring magkasama at ipasa sa iba pang mga node at layer, na bumubuo ng isang mas malalim na network na may mas malakas na kakayahan.

Ang output mula sa bawat node at layer ay nai-scale bilang isang posibilidad ng posibilidad. Sa pamamagitan ng pagtingin sa maraming iba't ibang mga tampok at katangian, ang isang neural network ay maaaring i-rate ang input bilang isang posibilidad na tugma laban sa lahat ng inaasahang mga potensyal na output. Ito ay kung paano nagpasya ang mga algorithm ng deteksyon ng imahe kung ang isang larawan ay mukhang katulad ng isang pusa o isang orange, ngunit kailangan mong sabihin ito kung ano ang hahanapin muna.

Ang mga Neural network ay hindi na-program tulad ng tradisyonal na mga algorithm ng computer. Sa halip, sinanay sila sa mga database, tulad ng mga imahe, mga file ng tunog, atbp Ang mga timbang ng bawat node ay inayos nang unti-unti sa paglipas ng panahon sa pamamagitan ng isang feedback loop, batay sa kung gaano kahusay ang ginawa ng network sa pagtutugma ng mga input sa tamang mga output. Ang unti-unting "pag-aaral" ng mga patakaran ay nangangailangan ng malaking paghahanda, oras, at kapangyarihan ng pag-compute, ngunit gumagawa ng tumpak na mga resulta.

Mga Neural network sa loob ng iyong smartphone

Maaaring tumakbo ang mga Neural network sa iba't ibang mga bahagi ng hardware, kabilang ang mga bahagi ng CPU at GPU na karaniwang nasa loob ng isang hanay ng mga aparato sa computing, kabilang ang iyong smartphone. Gayunpaman, ang ilang mga neural network ay maaaring mangailangan ng higit pang lakas ng pagproseso kaysa sa mga maaaring magbigay ng mga sangkap na ito, at ang nakatuong hardware ay maaaring magbigay ng pinakamainam na pagproseso na kinakailangan.

Sa loob ng Qualcomm® Snapdragon ™ 855 Mobile Platform, halimbawa, makikita mo ang pinakabagong Qualcomm® Hexagon ™ 690 Digital Signal Processor (DSP), na ipinagmamalaki ang mga pinahusay na yunit ng pagproseso ng Vector at isang bagong Tensor Accelerator partikular para sa mga gawain sa pagkatuto ng makina. Ang iba pang mga Snapdragon Mobile Platform ay nagtatampok din sa sangkap na Hexagon DSP, na may iba't ibang mga kakayahan. Sa sinabi nito, ang mga lambat na neural ay hindi limitado sa pagpapatakbo lamang sa DSP sa Snapdragon at iba pang mga mobile platform. Ang uri ng processor na ginamit ay nakasalalay sa workload.

Ang Qualcomm snapdragon 855 mga pagpapabuti ng pag-aaral ng machine kumpara sa nakaraang henerasyon

Binubuksan ng Qualcomm Technologies ang mga kakayahan ng DSP at machine sa pag-aaral sa mga third-party developer sa pamamagitan ng Qualcomm® Neural Processing SDK. Pinapayagan nito ang mga app na magpatakbo ng mga neural nets sa anumang mga core ng hardware sa loob ng isang Snapdragon Mobile Platform. Halimbawa, nag-tap ang mga smartphone ng Google Pixel sa Hexagon DSP at ang sariling Visual Core upang mapabilis ang kahanga-hangang tampok na HDR +. Ang Qualcomm Technologies ay gumagana sa mga vendor ng software tulad ng Arcsoft, Elevoc, Polar, Loom, Mobius, Morpho, at higit pa, na sumusuporta sa mga tampok na mula sa bokeh ng video hanggang sa paglikha ng avatar gamit ang machine learning na tumatakbo sa DSP.

Ai ay maaaring hugis ang hinaharap ng pagkuha ng litrato

Ngayon alam natin kung paano gumagana ang mga network ng neural, ang mahalagang tanong ay kung ano ang magagawa nito para sa amin at sa aming mga litrato?

Ginagamit ang mga Neural network upang mapagbuti ang isang hanay ng mga karaniwang mga algorithm ng photography. Halimbawa, ang De-ingay, ay maaaring mapabuti sa pagsasanay upang mag-alok ng mahusay na imahe na linisin na naayon sa tukoy na camera o uri ng pagbaril. Gayundin, para sa mababang ilaw, ang isang neural net ay maaaring makakita ng maliwanag at madilim na mga bahagi ng imahe, na nagpapahintulot sa mga pagpapahusay ng ilaw at kulay sa mga tiyak na bahagi ng eksena.

Ang mas advanced na mga kaso ng paggamit ay lalong pangkaraniwan sa potograpiyang smartphone. Ginamit ng mga super-resolution na zoom ang mga neural na lambat upang pagsamahin ang maraming mga imahe sa isang solong high-resolution shot para sa higit na naghahanap ng digital zoom. Ang mga lambat na neural ay maaari ring sanayin upang tumpak na magtahi ng maraming mga expose ng larawan nang magkasama para sa pinahusay na HDR at night shot.

Ang AI photography ay maaaring magsama ng super-resolution zoom, real-time bokeh, at pinabuting kalidad ng imahe.

Makikinabang din ang video mula sa pag-ampon ng teknolohiyang ito. Ang real-time na pagtuklas ng object ay idinisenyo upang payagan ang mga app na maipakilala ang mga epekto ng bokeh ng software nang diretso sa video habang naitala mo. Sinusuportahan din ng mga katulad na pamamaraan ang pagpapalit at pag-aalis ng object ng real-time na bagay. Kasama dito ang pagpapalit ng background sa isang video, pagbabago o pag-aalis ng mga kulay, at kahit na pagpapalit ng mga item ng damit o superimposing digital avatar nang direkta sa iyong video.

Ang lakas ng neural networking at AI photography ay mula sa mga pagpapahusay ng kalidad upang makatulong na isara ang agwat sa DSLR sa mga makapangyarihang tool ng pagkamalikhain na makakatulong sa paggawa ng natatanging nilalaman ng isang simoy. Alinmang paraan, ito ay isang malakas na teknolohiya na pangunahing sa pagpapabuti sa hinaharap patungo sa mobile photography.

Susunod: Google Pixel 3 XL international giveaway!

Ang nilalaman na nai-sponsor ng Qualcomm Technologies, Inc.

Ang Qualcomm Snapdragon, Qualcomm Hexagon, Qualcomm Adreno, Qualcomm Spectra, Qualcomm AI Engine at Qualcomm Kryo ay mga produkto ng Qualcomm Technologies, Inc. at / o mga subsidiary nito.