09:35 Учёные МГУ: нейронные сети рисуют хуже людей | |
Сотрудники факультета вычислительной математики и кибернетики МГУ сравнили успехи профессиональных художников и компьютерных алгоритмов в восстановлении испорченных изображений. Оказалось, что художники с этой задачей справляются гораздо лучше искусственного интеллекта. Результаты эксперимента помогут в развитии программ для редактирования фото и видео. Тест проводился в рамках большого проекта разработки алгоритмов обработки видео.
Ранее image inpainting требовал больших временных и физических затрат. Обновлением и реставрацией изображений занимались художники вручную. Однако сейчас существуют разные автоматические методы рисования. Учёные МГУ получили результаты реконструкции изображений девяти технологичных методов рисования и трех профессиональных художников. Были взяты несколько изображений разной сложности в зависимости от количества деталей на фотографии. В центре каждого изображения был нарисован черный квадрат, который и предстояло зарисовать искусственному интеллекту и художникам. Люди и машины должны были восстановить первоначальный вид искаженного изображения. В эксперименте были использованы шесть методов рисования на основе нейросетей и три метода, разработанные еще до глобального тренда на искусственный интеллект. Изображения, отретушированные нейросетевыми методами и классическими, сравнили между собой и с изображениями, отретушированными художниками. Для сравнения использовалась платформа Subjectify.us, на которой 215 человек выбирали, кто справился с ретушированием изображения лучше, — нейросеть, классический метод или человек. Пользователи платформы не знали автора ретуши и не видели до этого оригинальных изображений. Оказалось, что способности художников превзошли результаты машинного интеллекта с большим отрывом. Лишь в одном случае реставрация алгоритма превзошла работу человека. Интересно, что изображения художников оказались на одном уровне с оригинальными фотографиями, а иногда выглядели даже лучше. Первое место среди автоматических подходов досталось нейросетевому методу Generative Image Inpainting. Но в некоторых случаях классические методы превзошли результаты нейросетевых. Так, нейросетевой метод Generative Image Inpainting, который был предложен в 2018 году, восстановил фотографию морских волн хуже, чем классический метод Exemplar-Based Image Inpainting, предложенный 14 лет назад. Михаил Ерофеев, младший научный сотрудник лаборатории компьютерной графики и мультимедиа факультета ВМК МГУ, где проводили эксперимент, объяснил итоги исследования: «В результате можно говорить, что в большинстве случаев люди справляются с восстановлением изображений лучше, чем автоматические методы, — восстание машин пока не предвидится. Классические подходы составляют достойную конкуренцию новейшим нейросетевым методам. Например, нейросетевой метод Generative Image Inpainting хоть и занял первое место среди автоматических методов в среднем, на отдельных изображениях уступил первенство другим подходам, включая классические. Следом за ним идет не нейросетевой метод Content-Aware Fill из Adobe Photoshop CS5, разработанный в 2010 году, задолго до начала повсеместного применения нейронных сетей». | |
|
Всего комментариев: 0 | |