Cependant, le réseau de neurones stocke en partie les milliers (millions d'image) qu'on lui a fait mangé donc il est possible qu'il en injecte une partie dans l'image finale ? Dans ce cas là, l'image finale pourrait (conditionnel car j'ai quand même des doutes) avoir plus d'information globalement que l'image initiale mais pas plus d'information sur la « réalité » représentée par l'image initiale.
C'est tout l'intérêt des systèmes modernes d'apprentissages automatiques. On est d'accord. On a pas "la réalité", on a de l'information qui a une grande probabilité de correspondre à la réalité.
Le cas me semble donc très éloigné du présent sujet. On récupère des gouttes d'information à droite et à gauche pour les assembler dans une seule et même vue 2D.
Let’s Enhance uses cutting-edge Image Super Resolution technology based on Deep Convolutional Neural Networks. Before appearance of this technology it was impossible to dramatically increase photo or image size without losing quality. Your best option in Photoshop, called Bicubic Interpolation - made your image unsharp and blurry. Those of you on the math side of the things could argue – however you increase image resolution – there is no new information about the image - you just can’t add extra quality! This is not true in a case when Neural Network and AI is used. Our neural network is trained on a huge dataset of images, so it learns typical features of physical objects – bricks of walls, hair and skin. After the network recognises those features on the images uploaded and add extra details, based on its general knowledge the the world.
Si j'en crois leur description, c'est plus que des gouttes mais le principe n'est pas si éloigné. Dans le cadre du trou noir, pour obtenir une image de "la réalité", il aurait fallu transformer la Terre en boule à facette avec des millions de télescopes. On en a 8 et l’algorithme a permis de combler les trous et les manques.
C'est en comparant les résultats de différentes approches qu'ils se sont rendu compte qu'ils obtenaient à chaque fois le même résultat et donc que l'image finale avait une grande probabilité de correspondre à la réalité.
[^] # Re: Entropie
Posté par jnanar (site web personnel) . En réponse au message Améliorer la définition d'une photographie.. Évalué à 3.
C'est tout l'intérêt des systèmes modernes d'apprentissages automatiques. On est d'accord. On a pas "la réalité", on a de l'information qui a une grande probabilité de correspondre à la réalité.
Si j'en crois leur description, c'est plus que des gouttes mais le principe n'est pas si éloigné. Dans le cadre du trou noir, pour obtenir une image de "la réalité", il aurait fallu transformer la Terre en boule à facette avec des millions de télescopes. On en a 8 et l’algorithme a permis de combler les trous et les manques.
C'est en comparant les résultats de différentes approches qu'ils se sont rendu compte qu'ils obtenaient à chaque fois le même résultat et donc que l'image finale avait une grande probabilité de correspondre à la réalité.