Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Phục hồi thần kinh các khiếm khuyết xanh trong ảnh Autochrome lịch sử dựa trên dữ liệu tổng hợp hoàn toàn

Created by
  • Haebom

Tác giả

Saptarshi Neil Sinha, P. Julius Kuehn, Johannes Koppe, Arjan Kuijper, Michael Weinmann

Phác thảo

Bài báo này trình bày một phương pháp đầu tiên thuộc loại này để tự động loại bỏ các khuyết tật đổi màu xanh lá cây từ ảnh autochrome được số hóa. Để giải quyết những thách thức trong việc khôi phục các khuyết tật như mờ, trầy xước, lem màu và phai màu do lão hóa và bảo quản không đúng cách trong ảnh autochrome, chúng tôi trình bày một phương pháp mô phỏng chính xác các khuyết tật và huấn luyện một mô hình AI sinh sản bằng cách sử dụng dữ liệu tổng hợp và chú thích khuyết tật thực tế. Cụ thể, chúng tôi thiết kế một hàm mất mát xem xét sự mất cân bằng màu sắc giữa các vùng khuyết tật và không khuyết tật, cho phép khôi phục hiệu quả, tái tạo chính xác màu sắc ban đầu và giảm thiểu công sức thủ công. Trọng tâm của chúng tôi là giải quyết các khuyết tật hệ thống khó khôi phục bằng phần mềm hiện có (ví dụ: Adobe Photoshop).

Takeaways, Limitations

_____T118443____-:
Trình bày phương pháp tự động đầu tiên để loại bỏ các khuyết điểm đổi màu xanh lá cây trong ảnh autochrom.
Trình bày phương pháp đào tạo mô hình hiệu quả bằng cách sử dụng mô phỏng lỗi và dữ liệu tổng hợp.
Khắc phục những hạn chế của các phương pháp hiện có, cho phép tái tạo màu cơ bản và giảm thiểu công việc thủ công.
Giải quyết vấn đề mất cân bằng màu sắc bằng cách sử dụng mô hình AI tạo sinh và hàm mất mát đặc biệt.
Limitations:
Hiện tại, chúng tôi chỉ tập trung vào các khuyết tật đổi màu xanh lá cây. Việc áp dụng cho các loại khuyết tật khác có thể khó khăn.
Vì đây là mô phỏng và đào tạo mô hình cho các lỗi cụ thể của ảnh autochrome nên có thể khó áp dụng cho các loại ảnh khác.
Việc thiếu bộ dữ liệu chú thích lỗi ảnh tự động có sẵn công khai có thể hạn chế việc đánh giá hiệu suất tổng quát của mô hình.
👍