Pengimejan Fotografi Ruang Angkasa NASA Untuk Menuju Hasil yang Lebih Jelas Penerbangan Angkasa Sekarang
NVIDIA telah lama terkenal dengan Unit Pemprosesan Grafik (GPU) yang rapi, produk utamanya ialah kad NVIDIA GeForce. Dengan itu, syarikat ini selalu menjadi yang terdepan dalam penelitian dan pengembangan pengalaman meningkatkan kecerdasan buatan dalam permainan video, reka bentuk grafik, pemprosesan data, dan kendaraan otomotif.
Sejak kebelakangan ini, NVIDIA mula memfokuskan kecerdasan buatan secara terpencil dengan projek terbarunya yang sangat memfokuskan pada penggambaran semula foto yang sudah ada dengan menggunakan algoritma gauss untuk menilai perbezaan lokasi antara ratusan gambar yang jelas dan kabur yang dikategorikan berdasarkan suhu dan warna, dan kemudian memasukkan nilai-nilai tersebut ke dalam ekspresi regresi dari foto kabur individu untuk kembali seperti apa gambaran jelas gambar asalnya. Proses ini dilakukan secara berasingan untuk setiap titik pada foto dan penjumlahan digunakan untuk menghasilkan nilai perbezaan paling umum.
Pejabat NVIDIA. Nasdaq di Twitter
Algoritma berfungsi untuk belajar dari percubaan masa lalu mengenai apa yang ditunjukkan oleh warna dan corak tertentu di skrin. Ketika sistem dikembangkan, ribuan gambar yang dibuat kabur dan asli sehingga mesin dapat mengenal pasti corak dan warna di layar yang sesuai dengan alur dan tepi yang mana dalam gambar asalnya. Setelah diuji berkali-kali, NVIDIA telah berjaya mengajar cip AInya untuk belajar dari percubaan sebelumnya dan menyimpan pangkalan data kod grafik yang dipadankan yang diubah menjadi kod matematik berdasarkan lokasi, warna, dan suhu. Dengan menggunakan pengalaman masa lalu dan hubungan yang terjalin antara gambar yang kabur dan jelas dari lokus dan warna yang sama, mesin itu retak dengan gambar baru, menggunakan formula yang paling sesuai dengan warna dan suhu foto baru. NVIDIA telah menggunakan algoritma mereka melalui percubaan yang cukup untuk mempunyai pangkalan data pengekalan yang cukup kuat yang dapat digunakan oleh AI ketika bekerja pada gambar yang lebih baru dan mekanisme sekarang berdiri sendiri, dapat mengungkap hampir semua gambar dengan latihannya dalam pembelajaran pengukuhan (RL) . Setelah mencungkil wajah yang cukup, misalnya, mesin dapat membuat wajah kabur ketika diuji kerana memahami alur kabur yang sesuai dengan ciri wajah mana yang benar. Pendedahan terhadap berbagai jenis kebisingan seperti gambar yang dilebih-lebihkan, dicat putih, difilter, dan bertekstur juga telah menambah pangkalan data algoritma.
Dalam algoritma matematik bahasa, program membaca lokasi yang rosak dan jelas yang sesuai pada gambar yang sesuai, mencatat x, y, x ', dan y' ke dalam pangkalan data. Ia kemudian membuat kurva regresi gaussian untuk memadankan perbezaan antara keduanya yang memungkinkan penukaran berdasarkan bunyi fotografi umum. Dalam ungkapan regresi kuadrat terkecil yang dihasilkan, nilai terendah yang memenuhi syarat diambil dan kurva baru dari nilai gaussian diplotkan. Semasa menukar gambar kembali ke kualiti jernih aslinya, suhu setiap titik diubah berdasarkan perbezaan pola regresi dalam pangkalan data mesin AI yang sesuai dengan warna dan corak tertentu dan setiap titik dibalikkan untuk menghasilkan keseluruhan gambar yang jelas. Mekanisme melengkung gaussian menjadi faktor dalam bentuk bunyi yang paling umum tetapi jika peranti dapat mengenal pasti bentuk bunyi lain yang sering dikaitkan dengan kelajuan pengatup yang tidak tepat waktu atau bayangan generik dari pengukuran, nilai perbezaan gaussian rata-rata dengan poisson kumpulan data (untuk yang pertama) dan Bernoulli (untuk yang terakhir) juga mempunyai nilai perbezaan yang paling rendah.
Pengimejan Foto Berbantukan Kecerdasan Buatan. BT
Dalam istilah orang awam, peranan yang dimainkan oleh kecerdasan buatan adalah pengesanan dan penukaran foto unik berdasarkan set latihan yang telah dicuba oleh peranti ini. Ketika sampai pada tahap kecerdasan buatan yang dicapai hari ini, yang masih berada pada tahap di mana ia tidak terlalu bebas dan usahanya terbatas pada pelbagai senario yang sudah dipraktikkan, NVIDIA telah mencapai banyak pencapaian dalam membuat mesin yang dapat mencuba dan mencipta semula gambar yang tidak dapat dilihat dengan tahap ketepatan tertinggi dengan secara konsisten menyesuaikan dan mengembangkan pangkalan data untuk meningkatkan kadar kejayaan perolehan fotografi berikutnya.
