شیائومی با کمک هوش مصنوعی نوردهی تصاویر را بهبود می دهد

امروزه گوشی های هوشمند می‌توانند با دوربین های حرفه ای در زمینه های عکاسی و فیلم برداری رقابت کنند . تصاویری که شما با گوشی هوشمند خود ثبت می کنید در واقع هم حاصل حسگر دوربین گوشی شما هستند و همچنین حاصل پردازشگر تصویر گوشی شما نیز می باشند .سنسور دوربین پس از آنکه تصویر دوربین را ثبت کرد ، پردازشگر تصاویر ؛ اطلاعات دریافتی تصویر را پردازش می کند تا محصول نهایی که تصویر است تولید می شود .

شرکت چینی شیائومی با تازگی مقاله ای را ارائه داده است که هدف آن حل کردن مشکل مشترک پیکسل های هوشمند و محدودیت داینامیکی  در حسگرهای دوربین گوشی های هوشمند است . شیائومی به وسیله ی هوش مصنوعی روشی را برای برطرف کردن نوردهی (Exposure) تصاویر ثبت شده با گوشی های هوشمند ارائه داده است .
در این روش زمانی که با گوشی هوشمند تصویری ثبت میشود به جای اینکه نور در قسمتی از تصویر متمرکز شود آن را در کل تصویر اعمال خواهد کرد . در واقع نوردهی را به قسمت های کوچکتری تقسیم می کند و جداگانه نوردهی هر بخش را تنظیم می‌کند و در آخر بخش های مختلف را در کنار هم قرار می دهد و تصویر نهایی تولید می شود ‌.

به عنوان مثال در تصویر زیر مشاهده می کنید که ابرها سفید هستند ، ساختمان ها سفید هستند و بخشی از آسمان نیز سفید است که مشکل نوردهی بیش از حد دارند که در اصطلاح به آن  (Overexpouser) می‌گویند . راهکار هوش مصنوعی شیائومی که با نام DeepExposure است ، قادر است نوردهی تصویر را تنظیم کند و به خوبی جزئیات را بازیابی کند .

روش تصویر برداری در این الگوریتم اینگونه است که در ابتدا تقسیم بندی و نوردهی بخش های تصویر به میزان مناسب تنظیم می شود و در آخر تصاویر تنظیم شده با هم ترکیب می شوند .

برای آموزش این هوش مصنوعی ( AI ) ، تیم شیائومی Xiaomi تصاویری از مجموعه MIT-Adobe FiveK استفاده کرده است . این تصاویر شامل عکس های خام RAW و همچنین تصاویر روتوش شده هستند که توسط پنج متخصص ارائه شده اند. این تیم 3 هزار تصاویر را به همراه نسخه های روتوش شده توسط کارشناس C برای آموزش این هوش مصنوعی استفاده کرده است . در واقع این شبکه روی تصاویر با کیفیت پایین کار می کند و هدف این است که بهترین پارامترهای فلترهای تصویر کلاسیک را ارائه می دهد . به عنوان مثال چیزی شبیه تنظیم کنترل ها در نرم افزار لایت روم می باشد . این فرایند یادگیری را بسیار ساده کرده اما باید سرعت پردازش تصویر در این هوش مصنوعی افزایش داده شود.