Восстановление изображения

[qate]

а нет ли готовых натренированных бесплатных сетей на tensorflow ?
как например https://github.com/susheelsk/image-background-removal

[Racheengel]

Если мы имеем 5% "хороших" и "равномерно распределённых" пикселей, то это означает, что на 100 пикселей 5 будут нести корректную информацию, т.е. из 20 - 1 пиксель "нормальный".
Тогда можно представить картинку как матрицу, состоящую из ячеек 5x4 пикселей.
Каждая точка каждой ячейки поначалу имеет цвет попавшего в неё "нормального" пикселя.
Далее надо только интерполировать значения пикселей в ячейках.
Зачем тут машин-лернинг?

[m_ax]

а нет ли готовых натренированных бесплатных сетей на tensorflow ?

Не исключаю) Tensorflow - это очень мощная либа)

Если мы имеем 5% "хороших" и "равномерно распределённых" пикселей, то это означает, что на 100 пикселей 5 будут нести корректную информацию, т.е. из 20 - 1 пиксель "нормальный".

Нет, не "равномерно распределённых", а равновероятно распределённых (с однородной плотностью распределения)

Зачем тут машин-лернинг?

А почему бы и нет? 

[Igors]

Далее надо только интерполировать значения пикселей в ячейках.
Зачем тут машин-лернинг?

Ну "только" здесь не то слово, работы с интерполяцией там хватит. Как я понял, смысл в использовании популярных нейросетей (требующих обучения), сама задача чисто для примера. Но совершенно неясно как (или "на чем") происходит это обучение.

[m_ax]

Далее надо только интерполировать значения пикселей в ячейках.
Зачем тут машин-лернинг?

Ну "только" здесь не то слово, работы с интерполяцией там хватит. Как я понял, смысл в использовании популярных нейросетей (требующих обучения), сама задача чисто для примера. Но совершенно неясно как (или "на чем") происходит это обучение.

Почему же неясно? Мы даём координаты живого пикселя и говорим, что им соответствует пиксель вот с такими значениями R, G, B. Затем берём другой живой пиксель с координатами (x, y) и говорим, что он имеет уже вот такие R,G,B.. И так далее по всем живым пикселям, о которых нам всё известно.
А теперь мы подсовываем ей произвольные координаты (x, y) и спрашиваем у неё: А какие R,G,B с её точки зрения, должны быть у данного пикселя.  
Вот и вся магия) (Точнее, вся магия там под капотом, но..)

[m_ax]

Igors, и всё же, я не совсем понимаю следующее: Если у нас имеется такое случайное распределение "живых" пикселей, то разбиение на треугольники (мы сейчас о 2D говорим) может быть реализовано множеством вариантов.. Как предложенные вами алгоритмы выбирают предпочтение одному из многих таких случаев?

[Igors]

Igors, и всё же, я не совсем понимаю следующее: Если у нас имеется такое случайное распределение "живых" пикселей, то разбиение на треугольники (мы сейчас о 2D говорим) может быть реализовано множеством вариантов.. Как предложенные вами алгоритмы выбирают предпочтение одному из многих таких случаев?

Ну "предложенное мною" - слишком громко звучит, все это известно уже почти сотню лет При триангуляции есть единственный (он же наилучший) вариант, никакого множества нет. Собсно в этом идея DT (Delauney Triangulation). Хотя есть  CDT (Constrained..) типа "хорошо или плохо, но это ребро(а) должно быть" - но то уже навороты.

[m_ax]

Igors, и всё же, я не совсем понимаю следующее: Если у нас имеется такое случайное распределение "живых" пикселей, то разбиение на треугольники (мы сейчас о 2D говорим) может быть реализовано множеством вариантов.. Как предложенные вами алгоритмы выбирают предпочтение одному из многих таких случаев?

Ну "предложенное мною" - слишком громко звучит, все это известно уже почти сотню лет При триангуляции есть единственный (он же наилучший) вариант, никакого множества нет. Собсно в этом идея DT (Delauney Triangulation). Хотя есть  CDT (Constrained..) типа "хорошо или плохо, но это ребро(а) должно быть" - но то уже навороты.

Ну Ok, я по другому задам вопрос: У Вас есть изображение (1000x1000).. Как Вы оцениваете время и память, минимально необходимые,
чтоб максимально корректно восстановить исходное изображение (методом триангуляции)? Возьмём частный случай, когда, живых пикселей всего 5 %?

[Igors]

Ну Ok, я по другому задам вопрос: У Вас есть изображение (1000x1000).. Как Вы оцениваете время и память, минимально необходимые,
чтоб максимально корректно восстановить исходное изображение (методом триангуляции)? Возьмём частный случай, когда, живых пикселей всего 5 %?

50K точек? Ну будут "секунды", но не "десятки секунд". Расход памяти не заслуживает обсуждения. А вот в квачестве я отнюдь не уверен - вероятен сильный/чрезмерный блюр.

[m_ax]

50K точек? Ну будут "секунды", но не "десятки секунд".

Десятки секунд? Серьёзно?
Я сейчас о CPU говорю, однопоточном... Если есть желание, можем посоревноваться) Время выбирайте сами) (Когда Вам удобно))

[Old]

Если есть желание, можем посоревноваться)

Чтобы соревноваться в скорости, нужно как минимум сравняться в качестве, а судя по

А вот в квачестве я отнюдь не уверен - вероятен сильный/чрезмерный блюр.

о качестве говорить не приходится.

С таким же успехом можно соревноваться с алгоритмом замещающим битые пиксели случайными.

[m_ax]

Согласен, но всё же интересно сравнить память и время восстановления "большой картинки".. И более того, у нас есть объективный показатель этого: это квадрат разности исходного изображения с предсказанным.. (Хотя это тоже очень условно и не фундаментально..)  
Но вашу мысль, я понял)

[m_ax]

Ну и почему бы и нет? Проиграю я - я признаю свою неправоту.. Это нормально)

В конце-концов, так устроена жизнь)

[Old]

Ну и почему бы и нет? Проиграю я - я признаю свою неправоту.. Это нормально)

В конце-концов, так устроена жизнь)

Я не вкоей мере не отговариваю. Мне самому интересно посмотреть,что получиться после триангуляции. Но если соревноваться в скорости и памяти, то нужно как-то определиться с получаемым результатом. Он должен быть примерно равен у всех участников. Для начала можно сравнить точность восстановления. Исходная картинка одна на всех, мы ее "убили" и отдали алгоритмам, а потом сравнили результаты с оригиналом в процентах попадания каждого пикселя.

[m_ax]

Ну и почему бы и нет? Проиграю я - я признаю свою неправоту.. Это нормально)

В конце-концов, так устроена жизнь)

Я не вкоей мере не отговариваю. Мне самому интересно посмотреть,что получиться после триангуляции. Но если соревноваться в скорости и памяти, то нужно как-то определиться с получаемым результатом. Он должен быть примерно равен у всех участников. Для начала можно сравнить точность восстановления. Исходная картинка одна на всех, мы ее "убили" и отдали алгоритмам, а потом сравнили результаты с оригиналом в процентах попадания каждого пикселя.

Да, именно  об этом я и говорю, чтоб всё было "инвариантно". Я готов предоставить все тесты и  разъяснить все тонкости своего алгоритма.. В этом плане я всегда за свободные и открытые  знания )