AI 应用开发

AI图像处理

图像智能修复及分辨率提升

我们通过AI将艺术家的审美数学模型化

1. 输入图像

2. 识别  人工智能系统自动识别出不清晰的图像内容

3. AI”脑补“图像内容

 

利用“拼接生成式网络”和“不动点生成式网络”进行细节化处理

4. 鉴别器多轮优化

 

鉴别器通过人类视觉敏感特征鉴别成品优劣,进行多轮优化

AI图像处理要点

审美模型化

 

将人类和艺术家的审美数学模型化,创造了ConcatGAN(拼接生成式网络)、InvarianceGAN(不动点生成式网络)等目标函数

鉴别器优化

 

针对影视行业特点,将传统CNN的数据一次通过改为多次循环,用算力为代价换取更高的影像处理质量。创建了新的模型结构,LoopNet(循环网络)、Discriminator assisted final descent(鉴别器辅助收敛)使网络能够通过多轮优化的方式提高输出质量

创新多个基础神经网络构件

 

用以弥补现有神经网络构件,尤其是卷积网络的缺陷。这其中包括局部渐变特征提取(local gradient statistics extraction)

独创World Prior Memory

 

它是一种在神经网络中保存先验知识的方式,解决了由于网络运算负责度受客观算力有限的限制造成的总知识量限制。

标清镜头→2K镜头(处理26‘45”)

去除原始画面场效果

去除变换后的摩尔纹与锯齿

画面细节的填充

《血色浪漫》、《亮剑》

提升分辨率:720*576→1920*1080

提升画面细节