Hoe werk KI-opskaling

Hoe werk KI-opskaling?

Kort antwoord: KI-opskaling werk deur 'n model op gepaarde lae- en hoëresolusiebeelde op te lei, en dit dan te gebruik om geloofwaardige ekstra pixels tydens opskaling te voorspel. As die model soortgelyke teksture of gesigte in opleiding gesien het, kan dit oortuigende detail byvoeg; indien nie, kan dit artefakte soos stralekranse, wasagtige vel of flikkering in video "hallusineer".

Belangrike wegneemetes:

Voorspelling : Die model genereer geloofwaardige besonderhede, nie 'n gewaarborgde rekonstruksie van die werklikheid nie.

Modelkeuse : KNN's is geneig om meer bestendig te wees; GAN's kan skerper lyk, maar loop die risiko om kenmerke uit te vind.

Artefakkontroles : Let op vir stralekranse, herhaalde teksture, "amper letters" en plastiekagtige gesigte.

Videostabiliteit : Gebruik temporale metodes, anders sal jy raam-tot-raam glinstering en dryf sien.

Gebruik met hoë risiko's : Indien akkuraatheid saak maak, openbaar verwerking en behandel resultate as illustratief.

Hoe werk KI-opskaling? Infografika.

Jy het dit waarskynlik al gesien: 'n klein, krakerige beeld verander in iets skerp genoeg om te druk, te stroom of in 'n aanbieding te plaas sonder om te krimp. Dit voel soos om te kul. En - op die beste manier - dit is soort van 😅

So, hoe KI-opskaling werk, kom neer op iets meer spesifiek as "die rekenaar verbeter besonderhede" (handgolf) en nader aan "’n model voorspel geloofwaardige hoëresolusie-struktuur gebaseer op patrone wat dit uit baie voorbeelde geleer het" ( Deep Learning for Image Super-resolution: A Survey ). Daardie voorspellingstap is die hele spel - en dis hoekom KI-opskaling pragtig kan lyk ... of ’n bietjie plastiek ... of soos jou kat wat bonus-snorre laat groei het.

Artikels wat jy dalk na hierdie een wil lees:

🔗 Hoe KI werk
Leer die basiese beginsels van modelle, data en inferensie in KI.

🔗 Hoe KI leer
Kyk hoe opleidingsdata en terugvoer modelprestasie oor tyd verbeter.

🔗 Hoe KI afwykings opspoor
Verstaan ​​patroonbasislyne en hoe KI ongewone gedrag vinnig merk.

🔗 Hoe KI tendense voorspel
Verken voorspellingsmetodes wat seine opspoor en toekomstige vraag antisipeer.

Hoe KI-opskaling werk: die kernidee, in alledaagse woorde 🧩

Opskaling beteken verhoogde resolusie: meer pixels, groter beeld. Tradisionele opskaling (soos bikubies) rek basies pixels en maak oorgange glad ( bikubiese interpolasie ). Dis goed, maar dit kan nie nuwe detail skep nie - dit interpoleer net.

KI-opskaling probeer iets vetter (ook bekend as "superresolusie" in die navorsingswêreld) ( Diep Leer vir Beeld-superresolusie: 'n Opname ):

  • Dit kyk na die lae-resolusie-invoer

  • Herken patrone (rande, teksture, gesigstrekke, teksstrepe, stofweefsel...)

  • Voorspel hoe 'n hoër-resolusie weergawe behoort te lyk

  • Genereer ekstra pixeldata wat by daardie patrone pas

Nie "herstel die werklikheid perfek nie," meer soos "maak 'n hoogs geloofwaardige raaiskoot" ( Image Super-Resolution Using Deep Convolutional Networks (SRCNN) ). As dit effens verdag klink, is jy nie verkeerd nie - maar dis ook hoekom dit so goed werk 😄

En ja, dit beteken KI-opskaling is basies beheerde hallusinasie ... maar op 'n produktiewe, pixel-respekterende manier.

Wat maak 'n goeie weergawe van KI-opskaling? ✅🛠️

As jy 'n KI-opskaler (of 'n voorafbepaalde instelling) beoordeel, is hier wat die meeste saak maak:

  • Detailherstel sonder oorkook.
    Goeie opskalering voeg skerpte en struktuur by, nie krakerige geraas of vals porieë nie.

  • Randdissipline
    Skoon lyne bly skoon. Slegte modelle laat rande wiebel of stralekranse uitspruit.

  • Tekstuurrealisme
    Hare moenie 'n verfkwasstreep word nie. Baksteen moenie 'n herhalende patroonstempel word nie.

  • Geraas- en kompressiehantering
    Baie alledaagse beelde word doodgeskiet in JPEG's. 'n Goeie opskaler versterk nie daardie skade nie ( Real-ESRGAN ).

  • Gesig- en teksbewustheid
    Gesigte en teks is die maklikste plekke om foute raak te sien. Goeie modelle behandel hulle sagkens (of het gespesialiseerde modusse).

  • Konsekwentheid oor rame heen (vir video)
    As detail van raam tot raam flikker, sal jou oë skree. Video-opskaling leef of sterf deur temporale stabiliteit ( BasicVSR (CVPR 2021) ).

  • Kontroles wat sin maak
    Jy wil skuifbalke hê wat na werklike uitkomste karteer: geraasverwydering, ontbluffing, artefakverwydering, greinretensie, slyp ... die praktiese dinge.

'n Stil reël wat geld: die "beste" opskaling is dikwels die een wat jy skaars raaksien. Dit lyk net asof jy 'n beter kamera gehad het om mee te begin 📷✨

Vergelykingstabel: gewilde KI-opskalingsopsies (en waarvoor hulle goed is) 📊🙂

Hieronder is 'n praktiese vergelyking. Pryse is doelbewus vaag omdat gereedskap wissel volgens lisensie, bundels, berekeningskoste en al daardie prettige goed.

Gereedskap / Benadering Beste vir Prysvibe Hoekom dit werk (ongeveer)
Topaz-styl lessenaar-opskalers ( Topaz Foto , Topaz Video ) Foto's, video, maklike werkvloei Betaalbaar Sterk algemene modelle + baie afstemming, is geneig om “net te werk”… meestal
Adobe “Super Resolution” tipe kenmerke ( Adobe Enhance > Super Resolution ) Fotograwe reeds in daardie ekosisteem Subskripsie-y Rekonstruksie van soliede detail, gewoonlik konserwatief (minder drama)
Regte-ESRGAN / ESRGAN variante ( Regte-ESRGAN , ESRGAN ) DIY, ontwikkelaars, bondelwerk Gratis (maar tydrowend) Uitstekend met tekstuurdetail, kan pittig op gesigte wees as jy nie versigtig is nie
Diffusie-gebaseerde opskalingsmodusse ( SR3 ) Kreatiewe werk, gestileerde resultate Gemeng Kan pragtige detail skep - kan ook onsin uitdink, so… ja
Spelopskalers (DLSS/FSR-styl) ( NVIDIA DLSS , AMD FSR 2 ) Speletjies en weergawes intyds Gebundel Gebruik bewegingsdata en aangeleerde vorige waardes - gladde werkverrigting wen 🕹️
Wolk-opskalingsdienste Gerief, vinnige oorwinnings Betaal-per-gebruik Vinnig + skaalbaar, maar jy ruil beheer en soms subtiliteit
Video-gefokusde KI-opskalers ( BasicVSR , Topaz Video ) Ou beeldmateriaal, anime, argiewe Betaalbaar Tydelike truuks om flikkering te verminder + gespesialiseerde videomodelle
"Slim" foon/galery opskaling Toevallige gebruik Ingesluit Liggewigmodelle ingestel vir aangename uitset, nie perfeksie nie (steeds handig)

Formatering eienaardigheid belydenis: "Betaalbaar" doen baie werk in daardie tabel. Maar jy kry die idee 😅

Die groot geheim: modelle leer 'n kartering van lae resolusie na hoë resolusie 🧠➡️🖼️

Die kern van die meeste KI-opskaling is 'n toesighoudende leeropstelling ( Beeld-superresolusie met behulp van diep konvolusionele netwerke (SRCNN) ):

  1. Begin met hoëresolusiebeelde (die "waarheid")

  2. Verminder monsterneming na lae-resolusie weergawes (die "invoer")

  3. Lei 'n model op om die oorspronklike hoë resolusie van die lae resolusie te rekonstrueer

Met verloop van tyd leer die model korrelasies soos:

  • "Hierdie soort vaagheid rondom 'n oog behoort gewoonlik aan wimpers"

  • "Hierdie pixelgroep dui dikwels serif-teks aan"

  • “Hierdie randgradiënt lyk soos 'n daklyn, nie lukrake geraas nie”

Dit gaan nie oor die memorisering van spesifieke beelde (in die eenvoudige sin) nie, dit gaan oor die aanleer van statistiese strukture ( Diep Leer vir Beeld Super-resolusie: 'n Opname ). Dink daaraan soos om die grammatika van teksture en rande te leer. Nie poësiegrammatika nie, meer soos ... IKEA handleidinggrammatika 🪑📦 ('n lomp metafoor, maar naby genoeg).

Die nutte en boute: wat gebeur tydens inferensie (wanneer jy opskaal) ⚙️✨

Wanneer jy 'n beeld in 'n KI-opskaler invoer, is daar tipies 'n pyplyn soos hierdie:

  • Voorverwerking

    • Skakel kleurruimte om (soms)

    • Normaliseer pixelwaardes

    • Teël die beeld in stukke as dit groot is (VRAM realiteitstoets 😭) ( Real-ESRGAN repo (teëlopsies) )

  • Kenmerkonttrekking

    • Vroeë lae bespeur rande, hoeke, gradiënte

    • Dieper lae bespeur patrone: teksture, vorms, gesigkomponente

  • Rekonstruksie

    • Die model genereer 'n hoër-resolusie kenmerkkaart

    • Dan skakel dit om na werklike pixel-uitvoer

  • Naverwerking

    • Opsionele slypwerk

    • Opsionele geraasontduiking

    • Opsionele artefakonderdrukking (ringe, halo's, blokkering)

Een subtiele detail: baie gereedskap skaal teëls op en meng dan nate. Goeie gereedskap versteek teëlgrense. Meh gereedskap laat dowwe roostermerke as jy loer. En ja, jy sal loer, want mense hou daarvan om klein onvolmaakthede teen 300% zoom te inspekteer soos klein gremlins 🧌

Die hoofmodelfamilies wat vir KI-opskaling gebruik word (en hoekom hulle anders voel) 🤖📚

1) CNN-gebaseerde superresolusie (die klassieke werkesel)

Konvolusionele neurale netwerke is uitstekend vir plaaslike patrone: rande, teksture, klein strukture ( Image Super-Resolution Using Deep Convolutional Networks (SRCNN) ).

  • Voordele: vinnig, stabiel, minder verrassings

  • Nadele: kan 'n bietjie "verwerk" lyk as dit hard gedryf word

2) GAN-gebaseerde opskaling (ESRGAN-styl) 🎭

GAN's (Generatiewe Teenstandige Netwerke) lei 'n generator op om hoëresolusie-beelde te produseer wat 'n diskriminator nie van regte beelde kan onderskei nie ( Generatiewe Teenstandige Netwerke ).

  • Voordele: kragtige detail, indrukwekkende tekstuur

  • Nadele: kan detail uitdink wat nie daar was nie - soms verkeerd, soms vreemd ( SRGAN , ESRGAN )

’n GAN kan jou daardie skerpte gee wat jou asem kan wegsteek. Dit kan ook jou portretonderwerp ’n ekstra wenkbrou gee. So… kies jou gevegte 😬

3) Diffusie-gebaseerde opskaling (die kreatiewe wildcard) 🌫️➡️🖼️

Diffusiemodelle ontruis stap vir stap en kan gelei word om hoëresolusie-detail ( SR3 ) te produseer.

  • Voordele: kan waansinnig goed wees met geloofwaardige detail, veral vir kreatiewe werk

  • Nadele: kan wegdryf van die oorspronklike identiteit/struktuur as instellings aggressief is ( SR3 )

Dit is waar "opskaling" begin saamsmelt met "herverbeelding". Soms is dit presies wat jy wil hê. Soms is dit nie.

4) Video-opskaling met temporale konsekwentheid 🎞️

Video-opskaling voeg dikwels bewegingsbewuste logika by:

  • Gebruik aangrensende rame om detail te stabiliseer ( BasicVSR (CVPR 2021) )

  • Probeer om flikkering en kruipende artefakte te vermy

  • Kombineer dikwels superresolusie met ruisonderdrukking en deïnterlacing ( Topaz Video )

As beeldopskaling soos die restourasie van een skildery is, is video-opskaling soos die restourasie van 'n flipboek sonder dat die karakter se neus elke bladsy van vorm verander. Wat ... moeiliker is as wat dit klink.

Waarom KI-opskaling soms vals lyk (en hoe om dit raak te sien) 👀🚩

KI-opskaling misluk op herkenbare maniere. Sodra jy die patrone leer ken, sal jy hulle oral sien, soos om 'n nuwe motor te koop en skielik daardie model op elke straat raak te sien 😵💫

Algemene vertellings:

  • Wasvel op gesigte (te veel geraasonttrekking + gladmaak)

  • Oorskerpte stralekranse rondom rande (klassieke "oorskiet"-gebied) ( Bikubiese interpolasie )

  • Herhaalde teksture (baksteenmure word kopieer-plak patrone)

  • Krakerige mikrokontras wat "algoritme" skree

  • Teksversteuring waar letters amper-letters word (die ergste soort)

  • Detailverskuiwing waar klein kenmerke subtiel verander, veral in diffusiewerkvloeie ( SR3 )

Die moeilike deel: soms lyk hierdie artefakte “beter” met die eerste oogopslag. Jou brein hou van skerpte. Maar na ’n oomblik voel dit… af.

'n Goeie taktiek is om uit te zoem en te kyk of dit natuurlik lyk op normale kykafstand. As dit net goed lyk op 400% zoem, is dit nie 'n oorwinning nie, dis 'n stokperdjie 😅

Hoe KI-opskaling werk: die opleidingskant, sonder die wiskundige hoofpyn 📉🙂

Die opleiding van superresolusiemodelle behels gewoonlik:

Tipiese verliestipes:

Daar is 'n voortdurende toutrek:

  • Maak dit getrou aan die oorspronklike
    vs.

  • Maak dit visueel aangenaam

Verskillende gereedskap beland op verskillende plekke op daardie spektrum. En jy verkies dalk een, afhangende van of jy familiefoto's restoureer of 'n plakkaat voorberei waar "mooi voorkoms" meer saak maak as forensiese akkuraatheid.

Praktiese werkvloeie: foto's, ou skanderings, anime en video 📸🧾🎥

Foto's (portrette, landskappe, produkfoto's)

Beste praktyk is gewoonlik:

  • Ligte geraasverwydering eers (indien nodig)

  • Opskaal met konserwatiewe instellings

  • Voeg graan terug by as dinge te glad voel (ja, regtig)

Graan is soos sout. Te veel bederf aandete, maar niks kan 'n bietjie plat smaak nie 🍟

Ou skanderings en swaar saamgeperste beelde

Hierdie is moeiliker omdat die model dalk kompressieblokke as "tekstuur" kan behandel.
Probeer:

  • Verwydering of deblokkering van artefakte

  • Dan opskaal

  • Dan ligte slyp (nie te veel nie… ek weet, almal sê dit, maar steeds)

Anime en lynkuns

Lynkuns baat by:

  • Modelle wat skoon rande behou

  • Verminderde tekstuurhallusinasie
    Anime-opskaling lyk dikwels goed omdat die vorms eenvoudiger en konsekwent is. (Gelukkig.)

Video

Video voeg ekstra stappe by:

  • Denoise

  • Deinterlace (vir sekere bronne)

  • Luukse

  • Temporale gladstryking of stabilisering ( BasicVSR (CVPR 2021) )

  • Opsionele graanherinvoering vir kohesie

As jy temporale konsekwentheid oorslaan, kry jy daardie glinsterende detailflikkering. Sodra jy dit raaksien, kan jy dit nie ontsien nie. Soos 'n piepende stoel in 'n stil kamer 😖

Kies instellings sonder om wild te raai (’n klein spiekbriefie) 🎛️😵💫

Hier is 'n ordentlike begin-ingesteldheid:

  • As gesigte plastiekagtig lyk
    , verminder geraas, verminder skerpte, probeer 'n gesigbehoudende model of modus.

  • As teksture te intens lyk,
    verlaag die "detailverbetering"- of "herstel detail"-skuifbalke en voeg subtiele grein daarna by.

  • As die rande gloei,
    draai die skerpte af, kyk na die opsies vir die onderdrukking van halo.

  • As die beeld te “KI” lyk,
    gaan meer konserwatief. Soms is die beste skuif eenvoudig… minder.

Ook: moenie 8x opskaal net omdat jy kan nie. 'n Skoon 2x of 4x is dikwels die ideale opsie. Verder as dit, vra jy die model om fanfiction oor jou pixels te skryf 📖😂

Etiek, egtheid, en die ongemaklike vraag van "waarheid" 🧭😬

KI-opskaling vervaag 'n lyn:

  • Restourasie impliseer die herwinning van wat daar was

  • Verbetering impliseer die byvoeging van wat nie was nie

Met persoonlike foto's is dit gewoonlik goed (en pragtig). Met joernalistiek, regsbewyse, mediese beeldvorming, of enigiets waar getrouheid saak maak ... moet jy versigtig wees ( OSAC/NIST: Standaardgids vir Forensiese Digitale Beeldbestuur , SWGDE-riglyne vir Forensiese Beeldanalise ).

'n Eenvoudige reël:

  • As die risiko's hoog is, behandel KI-opskalering as illustratief , nie definitief nie.

Ook is openbaarmaking belangrik in professionele kontekste. Nie omdat KI boos is nie, maar omdat gehore verdien om te weet of besonderhede gerekonstrueer of vasgelê is. Dis net ... respekvol.

Slotnotas en 'n vinnige opsomming 🧡✅

So, hoe KI-opskaling werk, is soos volg: modelle leer hoe hoë-resolusie detail geneig is om verband te hou met lae-resolusie patrone, en voorspel dan geloofwaardige ekstra pixels tydens opskaling ( Diep Leer vir Beeld Super-resolusie: 'n Opname ). Afhangende van die modelfamilie (CNN, GAN, diffusie, video-temporaal), kan daardie voorspelling konserwatief en getrou wees ... of vet en soms onvas 😅

Vinnige opsomming

As jy wil, vertel my wat jy opskaal (gesigte, ou foto's, video, anime, teksskanderings), en ek sal 'n instellingsstrategie voorstel wat geneig is om die algemene "KI-voorkoms"-slaggate te ontduik 🎯🙂

Gereelde vrae

KI-opskaling en hoe dit werk

KI-opskaling (dikwels "superresolusie" genoem) verhoog 'n beeld se resolusie deur ontbrekende hoëresolusie-detail te voorspel uit patrone wat tydens opleiding aangeleer is. In plaas daarvan om bloot pixels te rek soos bikubiese interpolasie, bestudeer 'n model rande, teksture, vlakke en teksagtige hale, en genereer dan nuwe pixeldata wat met daardie aangeleerde patrone ooreenstem. Dit gaan minder oor "die herstel van die werklikheid" en meer oor "die maak van 'n geloofwaardige raaiskoot" wat as natuurlik lees.

KI-opskaling teenoor bikubiese of tradisionele grootteverandering

Tradisionele opskalingsmetodes (soos bikubies) interpoleer hoofsaaklik tussen bestaande pixels, wat oorgange glad maak sonder om ware nuwe detail te skep. KI-opskaling poog om geloofwaardige strukture te rekonstrueer deur visuele leidrade te herken en te voorspel hoe hoëresolusie-weergawes van daardie leidrade geneig is om te lyk. Daarom kan KI-resultate dramaties skerper voel, en ook waarom hulle artefakte kan inbring of besonderhede kan "uitvind" wat nie in die bron teenwoordig was nie.

Waarom gesigte wasagtig of te glad kan lyk

Wasagtige gesigte kom gewoonlik van aggressiewe ruisverwydering en gladstryking tesame met slyp wat natuurlike veltekstuur wegneem. Baie gereedskap behandel ruis en fyn tekstuur op soortgelyke wyse, dus kan die "skoonmaak" van 'n beeld porieë en subtiele detail uitwis. 'n Algemene benadering is om ruisverwydering en slyp te verminder, 'n gesigbehoudende modus te gebruik indien beskikbaar, en dan 'n tikkie grein weer in te voer sodat die resultaat minder plastiek en meer fotografies voel.

Algemene KI-opskalingsartefakte om voor op te let

Tipiese tekens sluit in stralekranse rondom rande, herhaalde tekstuurpatrone (soos kopieer-plak-stene), krakerige mikrokontras en teks wat in "amper letters" verander. In diffusie-gebaseerde werkvloei kan jy ook detailverskuiwing sien waar klein kenmerke subtiel verander. Vir video is flikkering en kruipende detail oor rame groot rooi vlae. As dit net goed lyk met uiterste zoom, is die instellings waarskynlik te aggressief.

Hoe GAN-, CNN- en diffusie-opskalers geneig is om in resultate te verskil

CNN-gebaseerde superresolusie is geneig om meer bestendig en voorspelbaar te wees, maar dit kan "verwerk" lyk as dit hard gedruk word. GAN-gebaseerde opsies (ESRGAN-styl) produseer dikwels meer skerp tekstuur en waargenome skerpte, maar hulle kan verkeerde detail hallusineer, veral op gesigte. Diffusie-gebaseerde opskaling kan pragtige, geloofwaardige detail genereer, maar dit kan van die oorspronklike struktuur afwyk as die leiding of sterkte-instellings te sterk is.

'n Praktiese instellingsstrategie om 'n "te KI"-voorkoms te vermy

Begin konserwatief: skaal 2× of 4× op voordat jy na uiterste faktore soek. As vlakke plastiekagtig lyk, verminder geraasvermindering en skerpmaking en probeer 'n gesigbewuste modus. As teksture te intens raak, verlaag detailverbetering en oorweeg dit om subtiele grein daarna by te voeg. As rande gloei, verminder skerpmaking en kontroleer halo- of artefakonderdrukking. In baie pyplyne wen "minder" omdat dit geloofwaardige realisme behou.

Hantering van ou skanderings of swaar JPEG-saamgeperste beelde voor opskaling

Saamgeperste beelde is moeilik omdat modelle blokartefakte as werklike tekstuur kan behandel en dit kan versterk. 'n Algemene werkvloei is die verwydering of deblokkering van artefakte eers, dan opskaal, en dan ligte verskerping slegs indien nodig. Vir skanderings kan sagte skoonmaak die model help om op die werklike struktuur te fokus eerder as op skade. Die doel is om "vals tekstuurleidrade" te verminder sodat die opskaler nie gedwing word om selfversekerde raaiskote te maak uit raserige insette nie.

Waarom video-opskaling moeiliker is as foto-opskaling

Video-opskaling moet konsekwent oor rame heen wees, nie net goed op een stilstaande beeld nie. As besonderhede van raam tot raam flikker, word die resultaat vinnig afleidend. Video-gefokusde benaderings gebruik temporale inligting van aangrensende rame om rekonstruksie te stabiliseer en glinsterende artefakte te vermy. Baie werkvloeie sluit ook ruisonderdrukking, de-interlacing vir sekere bronne en opsionele korrelherinvoering in sodat die hele reeks samehangend voel eerder as kunsmatig skerp.

Wanneer KI-opskaling nie gepas is nie, of dit riskant is om daarop staat te maak

KI-opskaling word die beste as verbetering beskou, nie bewys nie. In hoërisiko-kontekste soos joernalistiek, regsbewyse, mediese beeldvorming of forensiese werk, kan die generering van "geloofwaardige" pixels misleidend wees, want dit kan besonderhede byvoeg wat nie vasgelê is nie. 'n Veiliger raamwerk is om dit illustratief te gebruik en te openbaar dat 'n KI-proses detail gerekonstrueer het. As getrouheid krities is, bewaar oorspronklikes en dokumenteer elke verwerkingsstap en -instelling.

Verwysings

  1. arXiv - Diep leer vir beeld-superresolusie: 'n opname - arxiv.org

  2. arXiv - Beeld-superresolusie met behulp van diep konvolusionele netwerke (SRCNN) - arxiv.org

  3. arXiv - Regte-ESRGAN - arxiv.org

  4. arXiv - ESRGAN - arxiv.org

  5. arXiv - SR3 - arxiv.org

  6. NVIDIA-ontwikkelaar - NVIDIA DLSS - developer.nvidia.com

  7. AMD GPUOpen - FidelityFX Super Resolution 2 - gpuopen.com

  8. Die Rekenaarvisiestigting (CVF) Oop Toegang - BasicVSR: Die Soektog na Essensiële Komponente in Video Superresolusie (CVPR 2021) - openaccess.thecvf.com

  9. arXiv - Generatiewe Adversariële Netwerke - arxiv.org

  10. arXiv - SRGAN - arxiv.org

  11. arXiv - Persepsuele Verliese (Johnson et al., 2016) - arxiv.org

  12. GitHub - Real-ESRGAN repo (teëlopsies) - github.com

  13. Wikipedia - Bikubiese interpolasie - wikipedia.org

  14. Topaz Labs - Topaz Foto - topazlabs.com

  15. Topaz Labs - Topaz Video - topazlabs.com

  16. Adobe Hulpsentrum - Adobe Enhance > Superresolusie - helpx.adobe.com

  17. NIST / OSAC - Standaardgids vir Forensiese Digitale Beeldbestuur (Weergawe 1.0) - nist.gov

  18. SWGDE - Riglyne vir Forensiese Beeldanalise - swgde.org

Vind die nuutste KI by die amptelike KI-assistentwinkel

Oor Ons

Terug na blog