211service.com
Kunstmatige intelligentie kan nu realistische video- en gamebeelden ontwerpen
Als je je ogen sluit en je een bakstenen muur voorstelt, kun je waarschijnlijk een redelijk goed mentaal beeld bedenken. Na het zien van veel van dergelijke muren, weten je hersenen hoe iemand eruit zou moeten zien.
Een startup in het VK gebruikt machine learning om computers en smartphones in staat te stellen visuele informatie op een vergelijkbare manier te modelleren. Een computer kan deze visuele modellen voor verschillende taken gebruiken, van het verbeteren van videostreaming tot het automatisch genereren van elementen van een realistische virtuele wereld.
Magic Pony-technologie , gemaakt door afgestudeerden van Imperial College London met expertise in statistiek, computervisie en neurowetenschappen, traint grote neurale netwerken om visuele informatie te verwerken.
Live videogamefeed laat zien hoe het systeem onscherpe beelden in realtime kan verscherpen.
Het bedrijf heeft een manier ontwikkeld om video's of afbeeldingen van hoge kwaliteit te maken van video's met een lage resolutie. Het voert voorbeeldafbeeldingen door naar een computer, die ze naar een lagere resolutie converteert en vervolgens het verschil tussen de twee leert. Anderen hebben de prestatie al eerder gedemonstreerd, maar het bedrijf is in staat om het te doen op een gewone grafische processor, die applicaties zou kunnen openen. Een voorbeeld dat is gedemonstreerd, gebruikt de techniek om een live gaming-feed in realtime te verbeteren.
De algoritmen van Magic Pony kunnen een gepixeld karakter verscherpen.
Rob Bisschop , een medeoprichter, zegt dat Magic Pony momenteel in gesprek is met verschillende grote bedrijven die geïnteresseerd zijn in het licentiëren van de technologie. Bedrijven die online video streamen, zijn sterk afhankelijk van videocompressie, zegt Bishop. Ons eerste product laat zien dat de beeldkwaliteit enorm kan worden verbeterd met behulp van deep learning, en dankzij snelle mobiele GPU's kunnen we het nu overal inzetten.
Bishop voegt eraan toe dat de technologie de kwaliteit zou kunnen verbeteren van afbeeldingen die zijn vastgelegd op smartphones met camera's met een lage resolutie of bij weinig licht. Het bedrijf kijkt naar andere toepassingen, waaronder het converteren van gepixelde computergraphics naar afbeeldingen met een hoge resolutie of het automatisch genereren van kilometers realistisch ogend terrein en texturen uit eerdere voorbeelden voor games of virtual reality-omgevingen.
Wat ongebruikelijk is aan de manier waarop het bedrijf videobeelden verwerkt, is dat er geen handmatig gelabelde voorbeelden nodig zijn. In plaats daarvan herkent het statistische patronen in voorbeelden met hoge en lage resolutie en leert het zichzelf vervolgens hoe randen, texturen, rechte lijnen en andere kenmerken eruit zouden moeten zien.
Dit soort leren kan belangrijk zijn voor de toekomst van kunstmatige intelligentie (zie The Missing Link of Artificial Intelligence). Tot op heden is deep learning vooral toegepast als een manier om objecten op hoog niveau te herkennen, zoals bepaalde gezichten in afbeeldingen en video, een prestatie die is bereikt door het verwerken van vele gelabelde voorbeelden (zie 10 Breakthrough Technologies 2013: Deep Learning).
Het systeem kan automatisch complexe texturen genereren, zoals een verweerde bakstenen muur.
Het systeem kan automatisch complexe texturen genereren, zoals een verweerde bakstenen muur.
Onderzoekers van Magic Pony zullen later dit jaar een paper presenteren op een computer vision-conferentie. Maar Bishop zegt dat sinds het schrijven van de paper zijn team de technologie aanzienlijk heeft verbeterd om het nog efficiënter te maken.
Bishop legt uit dat de naam Magic Pony afkomstig is van een bijeenkomst waarin de eerste investeerder de technologie beschreef als een magische pony omdat niemand het zou geloven zonder het te zien.