वाचनासाठी 3 मिनिटे
धूसर फोटो मोठा करताना एआय नवे तपशील कुठून आणते?
३० सेकंदांत अर्थ
कमी रिझोल्यूशनच्या फोटोपासून अधिक पिक्सेल असलेली आवृत्ती बनवण्याची एआय पद्धत म्हणजे सुपर रिझोल्यूशन; काही तपशील आधी शिकलेल्या संबंधांवरून अंदाजाने भरले जातात.
जुन्या कौटुंबिक फोटोची मोठी प्रत काढताना चेहरा धूसर दिसतो. फोनमधील साधन तो अधिक स्पष्ट करून दाखवते; पण नव्याने दिसणाऱ्या भुवया किंवा कपड्यांचा पोत कॅमेऱ्याने खरोखर टिपला होता का? हा प्रश्न फोटो मोठा आणि आकर्षक दिसण्यापेक्षा वेगळा आहे.
पिक्सेल वाढतात तेव्हा काय घडते
डिजिटल फोटो लहान रंगीत ठिपक्यांनी, म्हणजे पिक्सेलनी, बनतो. कमी पिक्सेल असलेला फोटो साध्या पद्धतीने मोठा केल्यास आधीचीच माहिती अधिक जागेत पसरते आणि किनारी मऊ दिसू शकतात. एआय वापरणाऱ्या सुपर रिझोल्यूशनच्या काही पद्धती कमी रिझोल्यूशनचा फोटो घेऊन अधिक पिक्सेल असलेला नवा फोटो तयार करतात. पिक्सेलची संख्या वाढली म्हणून मूळ कॅमेऱ्याने अधिक तपशील नोंदवला, असे होत नाही.
प्रशिक्षणात मॉडेलला स्पष्ट फोटो आणि त्यांच्यापासून बनवलेल्या छोट्या आवृत्त्यांमधील संबंध दाखवले जाऊ शकतात. नंतर एखादा धूसर फोटो दिल्यावर त्यातील आकार, रंग आणि किनारी पाहून मोठ्या आवृत्तीत कोणते रंग किंवा पोत जुळतील याचा अंदाज त्याच्या शिकलेल्या गणिती मांडणीवरून येतो. परिणाम विश्वासार्ह दिसू शकतो, पण हरवलेला प्रत्येक बारीक तपशील तसाच परत मिळाला असे म्हणता येत नाही.
उदाहरणार्थ, दूरवरच्या फोटोत शर्टवरची शिवण दिसत नसेल तर सुधारित चित्रातील शिवण ही संभाव्य भर असू शकते. काही पद्धती मूळ किनारी जपण्याचा अधिक प्रयत्न करतात; काही नैसर्गिक दिसणारे पोत तयार करण्यावर भर देतात. म्हणून दोन साधनांनी त्याच फोटोत वेगळे बारीक तपशील दाखवले, तरी त्यापैकी एकच खरा आहे असे ठरत नाही.
याचा साधा प्रयोग करता येतो: तोच छोटा फोटो दोन वेगवेगळ्या सुधारणा साधनांत द्या आणि परिणामांची तुलना करा. चेहऱ्याजवळील रेषा किंवा पार्श्वभूमीतील अक्षरे बदलली तर तो फरक मॉडेलच्या अंदाजाचा असू शकतो. प्रयोगाने मूळ सत्य सापडत नाही; तो फक्त एकाच इनपुटपासून वेगवेगळ्या मोठ्या आवृत्त्या तयार होऊ शकतात, हे दाखवतो. त्यामुळे लक्षवेधी तपशील दिसत असला तरी त्याचा स्रोत विचारणे गरजेचे आहे.
मूळ फोटोमध्ये काही माहिती असतेच: मोठा आकार, मुख्य रंग आणि काही किनारी यावरून नवी प्रत बांधता येते. अडचण अत्यंत लहान किंवा पूर्ण धूसर भागात वाढते. अशा भागात अनेक वेगवेगळे स्पष्ट फोटो त्या एकाच छोट्या प्रतिशी जुळू शकतात. दिसायला सुंदर परिणाम निवडणारे मॉडेल त्या शक्यतांपैकी एक निवडते; हरवलेल्या क्षणाचा प्रत्यक्ष साक्षीदार बनत नाही.
फोटो सुधारण्यापूर्वी अधिक चांगली मूळ प्रत मिळते का, हे पाहणेही उपयोगी असते. त्याच प्रसंगाचा दुसरा फोटो किंवा कमी संकुचित केलेली फाइल उपलब्ध असेल तर त्यात कॅमेऱ्याने टिपलेली माहिती जास्त असू शकते. एआयने बनवलेल्या नव्या बारीक रेषांपेक्षा अशी मूळ नोंद तपासासाठी अधिक महत्त्वाची असते.
आकर्षक चित्र आणि खात्रीलायक नोंद
कौटुंबिक अल्बम, छपाई किंवा जुन्या व्हिडिओचे मोठ्या पडद्यावर प्रदर्शन यासाठी असा बदल उपयोगी ठरू शकतो. मात्र एखादा अंक, दस्तऐवजातील शब्द किंवा व्यक्तीची ओळख तपासताना सुधारित चित्रातील तपशील स्वतंत्र पुरावा मानू नये. शक्य असेल तेव्हा मूळ फाइल, दुसरी प्रत आणि संबंधित स्वतंत्र नोंदी पाहाव्यात.
तपासात चित्रप्रक्रियेची पावले नोंदवणे आणि मूळ फाइल जपणे यावर फॉरेन्सिक मार्गदर्शक भर देतात. कोणते चित्र न्यायालयात ग्राह्य धरले जाईल, यासाठी सर्व देशांत एकच नियम आहे असे नाही. म्हणून प्रक्रिया केलेला फोटो तसा स्पष्टपणे ओळखता यावा आणि मूळ आवृत्ती वेगळी उपलब्ध राहावी, हे महत्त्वाचे आहे.
फोटो अधिक स्वच्छ दिसल्याने त्याची पाहण्याची सोय वाढू शकते. त्यातून नसलेली माहिती निश्चितपणे सापडली असे समजू नका. आठवणींसाठी सुधारित प्रत वापरा; ओळख किंवा महत्त्वाचा निर्णय घ्यायचा असेल तर आधी मूळ नोंद आणि दुसरे विश्वसनीय पुरावे तपासा.
स्रोत
- Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial NetworkProceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017
- The Perception-Distortion TradeoffProceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018
- Section 11: Best Practices for Documenting Image Enhancement, Version 1.3 (2010)Scientific Working Group on Imaging Technology (SWGIT), arquivo hospedado pela SWGDE