AIデコードと同じくらい魔法的? AIによるカラーリングはブラックテクノロジーなのか、それとも単なるジョークなのか?

AIデコードと同じくらい魔法的? AIによるカラーリングはブラックテクノロジーなのか、それとも単なるジョークなのか?

画像処理の分野では、AIブラシがますます目立つようになってきています。以前、AIロスレス画像拡大、AIモザイク除去、AI線画自動着色などのゲームプレイを紹介しました。今、誰かが私にAIブラックテクノロジーを勧めてくれました。ワンクリックで白黒写真をカラーに変えられるのです。

画像処理の分野でもAIが存在感を増しています。モザイク状であってもAI技術で高解像度に復元でき、さらにAIでカラー化もできるようになりました!

はい、AI は白黒写真を自動的にカラー写真に変換できます。白黒写真に色を付けるのは難しいのは、色情報が含まれていないからです。人は対象物が何であるかを特定し、想像力と脳を頼りに白黒写真の色を推測し、手動で塗りつぶす必要があります。そして今、AIも同じことができるのでしょうか?この「Colourise.sg」というウェブサイトは、機械学習とニューラルネットワークアルゴリズムを使用して、数十万枚の写真を使用したカラーリングモデルを構築していると報告されています。信頼できるかどうかを見てみましょう。

シンガポール: https://colourise.sg/

Colourise.sg はシンガポールのウェブサイトです。中国の接続速度はあまり速くなく、接続に問題が発生することもあります。

Colourise.sg ページ

Colourise.sg の使い方はとても簡単です。ウェブページを開いたら、ページの下部にあるインタラクティブ ボックスまでスクロールすると、写真をアップロードできます。使用する前に、人間と機械による検証を行って、本人であるかどうかを確認する必要があります。検証コードをスワイプできない場合もありますので、数回スワイプしてください。

このフレームに色を塗りたい写真をアップロードしてください

Colourise.sg では、一度に 1 枚の白黒写真のみをカラー化できます。白黒写真をアップロードすると、Colourise.sg はすぐに結果を表示します。 Colourise.sg によって提供される結果は非常に興味深いものです。元の画像とカラー画像の比較チャートが提供され、ユーザーは元の画像とカラー画像の間の境界線をドラッグして、より詳細な比較を行うことができます。

Colourise.sg の AI カラー化はどのように機能しますか?写真をいくつか見てみましょう。

まずは第二次世界大戦の歴史的な写真です。この写真は元々白黒でした。Colourise.sg の色付け効果は比較的自然ですが、細部がうまく処理されていないことがわかります。全体的にはかなり良好です。

最新のカラー写真で Colourise.sg の機能をテストしてみましょう。ここでは、まずPhotoShopの脱色プログラムを使用してカラー写真を脱色し、それをColourise.sgにアップロードしてAIでカラー化します。元のカラー写真と比較して、Colourise.sgのカラー化が本当に魔法のようであるかどうかを確認します。

まずは風景写真を2枚見てみましょう。

脱色バージョン

オリジナル画像

Colourise.sg カラー版

脱色バージョン

オリジナル画像

Colourise.sg カラー版

ご覧のとおり、Colourise.sg は全体的に非常に自然です。空、海水、ビーチ、緑の植物などの要素をより適切に判断し、比較的正確な色を与えることができます。特にこの海辺の写真は、色彩効果がオリジナルとほとんど区別がつかず、オリジナルの写真との違いはスタイルだけです。しかし、Colourise.sg では、細部の制御にまだ問題があります。たとえば、枯れ葉と緑の葉を区別できず、すべての植物を緑色で塗りつぶすことしかできないため、元の写真に比べて色がはるかに単調になります。

もう一枚の室内写真です。

脱色バージョン

オリジナル画像

Colourise.sg カラー版

Colourise.sg によるこの写真の処理効果は理想的ではありません。元の画像と比較すると、Colourise.sg によって色付けされたバージョンは色が大幅に失われ、コントラストも強くありません。室内装飾における人工物については、Colourise.sg のカラースキームはあまり多くないようです。結局のところ、自然物と比較すると、人工物にはより多くの色の可能性があるので、Colourise.sg が色に関して保守的になる傾向があるのは理解できます。しかし、Colourise.sg が鉢植えの植物の色を正しく復元しなかったのは少し残念です。

最後に食べ物の写真を見てみましょう。

[[328048]]

脱色バージョン

[[328049]]

オリジナル画像

[[328050]]

Colourise.sg カラー版

これは単なる自動車事故のシーンです。 Colourise.sg は基本的に色付けには一切関与していませんでした。つまり、Colourise.sg はこれらの食品や食器がどのような色であるべきか全く知らなかったのです。食べ物や食器も人工物です。Colourise.sg は、色の組み合わせが決まっていないアイテムの色付けが本当に苦手なようです。

要約する

Colourise.sg の機能はまだ比較的限られていることがわかります。 Colourise.sg は、自然の風景や人間の顔や肌など、比較的色が固定されたオブジェクトを正しく色付けすることができます。しかし、Colourise.sg は、家具、食品、食器など、数千万色ものオブジェクトを扱うことが困難です。もちろん、データベースがさらに充実するにつれて、AIは改善し続けることができます。将来的には、より優れたAIカラーリングソリューションが期待されます。

<<:  AI、機械学習、ディープラーニングはOEMにとって重要な市場です

>>:  BAIRの最新のRLアルゴリズムはGoogle Dreamerを上回り、パフォーマンスが2.8倍向上しました。

ブログ    
ブログ    

推薦する

アルゴリズム | 再帰の深い理解、あなたは再帰を誤解しています

再帰は、プログラミングの本で説明するのが最も難しい部分である魔法のアルゴリズムです。これらの本では通...

歴史を作ろう!地球からのドローンが火星へ飛び立ち、NASAはこのようにライト兄弟に敬意を表す

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

2019年にRedditの機械学習セクションで人気のプロジェクト17選:最新のコードとリソースがすべて利用可能

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

AIと機械学習がIoTと密接に関係する理由

モノのインターネット (IoT) の将来の可能性は無限です。 2025 年までに、世界中の IoT ...

...

AI データモデリングはどのようにして気候災害を防ぐことができるのでしょうか?

予測分析モデルが改良されるにつれ、この分野のイノベーターたちは、これまで断片化されていて使用コストが...

Python で線形回帰機械学習モデルを作成する方法は? 「初心者ガイド」

線形回帰とロジスティック回帰は、現在人気のある 2 つの機械学習モデルです。 [[331887]]こ...

...

第4回パラダイム NeurIPS 2020: ナレッジグラフ埋め込みの自動化

少し前に、Fourth Paradigm の上級研究員である Quanming Yao 博士が、Ne...

自動車AI市場は2027年までに70億ドルに達する

世界の自動車人工知能市場規模は、2022年の23億米ドルから2027年には70億米ドルに成長すると予...

...

Colab で Meta の MusicGen を使用して音楽を生成する方法

翻訳者 |李睿レビュー | Chonglou 人工知能の幅広い分野において、ディープラーニングは自然...

DAMOアカデミーが最新の量子コンピューティングの成果を発表、新しいプラットフォームは2ビットゲート精度99.72%を達成

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

四川大学の優秀な卒業生がGitHubでプロジェクトを構築し、完成前に多くの賞賛を受けた。

近年、ディープラーニングは音声、画像、自然言語処理などの分野で非常に優れた成果を上げており、当然なが...

...