MIT用深度學習讓在黑暗中「看不見」的物體現形

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。