文章插图
最初的透明蚀刻（最右） ， 黑暗中拍摄的照片（左上） ， 基于物理的算法（右上） ， 训练过的神经网络（左下） 。 将基于物理的算法和神经网络结合起来 ， 可以更加清晰准确地重建图像（右下） 。
研究团队为该神经网络提供了超过 10000 张透明玻璃状的蚀刻图像 ， 它们是在极低光照条件下（每像素约 1 光子）拍摄的 。 研究一作 Alexandre Goy 表示：
当我们用肉眼去观察时 ， 它们看起来都像一块透明的玻璃 。 但实际上 ， 其暗藏了非常精细、浅显的结构 ， 仍会对光产生影响 。
在完成了对神经网络的训练之后 ， 团队打造了一套全新的模式 ， 它已不再是原始数据集的一部分 。 在对其进行系统分析后 ， 我们发现深度学习确实可以揭示在黑暗中隐形的物体 。
MIT 机械工程系教授 George Barbastathis 指出 ， 若用光照射实验室中的生物细胞 ， 会将它们烧焦而不会留下任何影像 。 此外 ， 如果让患者接受过量的 X 射线 ， 会增加其患癌的几率 。
好消息是 ， 这项技术能够在保持同等图像质量的前提下 ， 减少光线或 X 射线的曝光 。 除了医学成像 ， 它也适用于天文摄影 。
【MIT开发夜视AI 可揭示在黑暗中隐形的物体】有关这项研究的详情 ， 已经发表在近日出版的《物理评论快报》（Physical Review Letters）上 。
推荐阅读
- 日本人工智能初创企业开发虚拟偶像照片生成软件
- 日本公司开发无人驾驶虚拟测试环境
- WPI开发水下自主机器人：能识别并猎杀狮子鱼
- 为什么不用手机开发工口游戏
- 为什么国内游戏没有开发者平台
- 如何评价FateUnlimitedCodes作为一款格斗游戏的表现
- 学软件开发win10好用吗会不会出现兼容问题
- 不会编程的人如何开发一个APP
- Android开发还有明天吗
- 中科院发布的操作系统COS是什么为什么要独立开发一套呢