圖片來源: 

MIT

即使在良好的光線下,酒杯的小瑕疵或是隱形眼鏡上的摺痕,都很難辨識,在幾乎全黑的環境下,像這種透明的特徵或是物體,在圖像中幾乎是不可能看得到,但是現在麻省理工學院的研究團隊用深度學習技術,讓在黑暗中「看不見」的物體現形的技術,研究人員訓練了一套深度學習模型,來辨識超過1萬個透明的刻痕,在光源極低的圖像中,重建出透明的物體。

MIT研究團隊收集了10,000個積體電路(integrated circuit),每個都刻上了複雜且不同樣式的水平和垂直痕跡,利用這1萬組IC刻痕訓練出來的光線紋路模型,進一步設計出,可分辨1萬種不同玻璃刻痕紋路的光線影響模型。若用人眼看的時候,看不太出來,但是其實這些細微且淺的玻璃刻痕仍會對光產生影響。然後,研究團隊再一個封閉鋁箱中拍攝低光照的圖像,尤其是透明物體(玻璃杯等)在近黑暗鋁箱中的照片。再用那1萬種玻璃刻痕光線影響模型,來辨識這些圖片,就可推算出圖中,是什麼樣的透明物體,造成了這個照片上的光線痕跡,用來重建出原本的透明物體外觀。訓練完模型後,研究團隊透過模型不曾處理過的影像,來驗證模型的準確度,經過深度學習模型的辨識,都能夠正確的重建透明的影像。

MIT表示,研究結果可用於生物組織和細胞的辨識,由於在實驗室中,若用光線照射生物細胞,細胞就會被燒毀,在生物學研究方面,該技術能夠盡可能減少對樣本的傷害,除此之外,對於醫學成像也有助益,可以透過該技術降低患者曝露於輻射的量。

熱門新聞

Advertisement