عکاسی محاسباتی راه درازی را پیموده است و امروزه در گوشیهای هوشمند و نرمافزارهای پس از پردازش رایج است. کاهش نویز بدون شک یکی از با ارزش ترین ابزارها است، زیرا حتی بهترین سنسورهای دوربین نیز از نویز تصویر مستثنی نیستند، به خصوص زمانی که در محیط های تاریک استفاده می شوند. Google Research از فناوری جدید و هیجان انگیزی رونمایی کرد که از هوش مصنوعی برای حذف نویز تصویر از صحنههای تاریکتر استفاده میکند و به عکاسان اجازه میدهد تا در تاریکی ببینند.
NeRF (Neural Radiance Fields) یک سینتی سایزر نمایش است که می تواند مجموعه ای از تصاویر را اسکن کرده و یک رندر سه بعدی دقیق را بازسازی کند. بن میلدنهال، محقق گوگل، توضیح می دهد که RawNeRF “تصاویر گرفته شده از بسیاری از نماهای دوربین مختلف را ترکیب می کند تا به طور مشترک یک صحنه را حذف و بازسازی کند.” بنابراین این فقط یک حذف کننده نیست، بلکه برای تغییر موقعیت دوربین و مشاهده صحنه از زوایای مختلف استفاده می شود. صحنهها در یک فضای رنگی HDR خطی بازسازی میشوند، به این معنی که میتواند جزئیاتی مانند تغییر نوردهی، استفاده از نقشهبرداری تن و تغییر فوکوس را انجام دهد.
همانطور که در ویدیوی بالا نشان داده شده است، Mildenhall از یک عکس گوشی هوشمند از یک میز با نور شمع برای نشان دادن قدرت RawNeRF استفاده می کند. او حداقل پس از پردازش و روشنایی را اعمال می کند، و در حالی که تصویر حاصل جزئیات بیشتری دارد، مقدار قابل توجهی نویز حسگر دارد. او نشان میدهد که اجرای تصویر از طریق یک حذفکننده عمیق لبهای، مصنوعات ناخوشایندی بر جای میگذارد، اما با RawNeRF نتایج واقعاً خیرهکننده هستند، بهویژه با اشاره به کیفیت تصویر و عدم وجود مصنوعات. دلیل عملکرد بسیار خوب آن این است که هوش مصنوعی بر روی داده های تصویر خام به جای JPEG های پس از پردازش آموزش دیده است.
بسیار هیجان انگیز است که فکر کنیم می توانیم این فناوری را به زودی در دوربین ها و تلفن های هوشمند خود ادغام کنیم و احتمالاً تبدیل به یک تغییر بازی برای عکاسان حرفه ای و علاقمندان خواهد شد. هیچ ابزار کاهش نویز موجودی وجود ندارد که حتی با این نتایج مطابقت داشته باشد.
چرا مهم است: Google Research در حال کار بر روی فناوری جدید کاهش نویز تصویر با هوش مصنوعی است که می تواند عکاسی در نور کم را به شدت تغییر دهد. این ابزار قادر است یک صحنه تاریک را با حذف نویز قدرتمند و حداقل مصنوعات بازسازی کند و به راحتی از ابزارهای حذف نویز موجود بهتر عمل کند.