محققان موفق به توسعه هوش مصنوعی شدهاند که قادر به بهبود کیفیت تصاویر تا ۶۴ برابر است. در حالی که از آن میتوان برای شناسایی افراد در تصاویر دوربینهای امنیتی استفاده کرد، در دنیای پزشکی، نجوم و سایر زمینهها نیز کاربرد دارد.
این هوش مصنوعی که - تعمیرات لباسشویی کرال در شهر تنکابن استان مازندران - دستاورد - تعمیرات لباسشویی کرال در شهر تنکابن استان مازندران - محققان در دانشگاه «دوک» است، میتواند تصاویر تار و چهره غیرقابل تشخیص افراد در تصاویر را تبدیل به - تعمیرات لباسشویی کرال در شهر تنکابن استان مازندران - یک پرتره باکیفیت کند که در آن جزئیات به خوبی قابل مشاهده هستند. روشهای قبلی میتوانستند کیفیت تصاویر را حداکثر تا ۸ برابر بهبود دهند، اما تیم دانشگاه دوک موفق - تعمیرات لباسشویی کرال در شهر تنکابن استان مازندران - به افزایش آن به حداکثر ۶۴ برابر شده - تعمیرات لباسشویی کرال در شهر تنکابن استان مازندران - است.
این هوش مصنوعی میتواند ویژگیهای دقیق چهره مانند مژهها و ته ریش را بازسازی کند - تعمیرات لباسشویی کرال در شهر تنکابن استان مازندران - که پیش از این سیستمی با چنین دقتی وجود نداشته است. «سینتیا رودین»، سرپرست این تحقیق اعلام کرده:
هم اکنون برای تعمیرات لباسشویی کرال در شهر تنکابن استان مازندران اقدام کنید
«تصاویر با چنین دانهبندی را هرگز نمیتوانستیم در گذشته تولید کنیم.»
این سیستم برای شناسایی چهره افراد مورد استفاده قرار میگیرد و میتواند عدم فوکوس در تصاویر را برطرف کند و تصاویر غیرقابل شناسایی از دوربینهای امنیتی را بهبود دهد. این سیستم قادر است چهرههای جدیدی که هرگز وجود نداشتهاند - تعمیرات لباسشویی کرال در شهر تنکابن استان مازندران - را تولید - تعمیرات لباسشویی کرال در شهر تنکابن استان مازندران - کند که از نظر ظاهری واقعی به نظر میرسند.
محققان روی چهرهها به عنوان اثبات مفهوم کار خود تمرکز کردهاند، اما این روش میتواند در دنیای پزشکی، میکروسکوپی، نجوم و تصاویر ماهوارهای نیز کاربرد داشته باشد. این روش با نام «PULSE» در کنفرانس «بینایی رایانهای و تشخیص الگو» (CVPR) که در فاصله ۲۵ - تعمیرات لباسشویی کرال در شهر تنکابن استان مازندران - تا ۳۰خرداد ماه برگزار میشود، به - تعمیرات لباسشویی کرال در شهر تنکابن استان مازندران - نمایش گذاشته خواهد شد.
این هوش مصنوعی تصاویر با رزولوشن پایین را بررسی میکند و پیکسلهای اضافی که برای تهیه تصویر نهایی لازم است را حدس میزد. روشهای قبلی نمیتوانند مناطقی از مو و پوست را که به خوبی با پیکسلهای دیگر در یک ردیف قرار ندارند، بازیابی کنند که همین موضوع نیز اهمیت بالای سیستم جدید را نشان میدهد.