19.12.2017
Neural Image Assessment
Google arbeitet an neuronaler Bildbewertung NIMA
Autor: Alexandra Lindner
Denis Linine / shutterstock.com
Google arbeitet an einer neuen Technik zur Bildbewertung und -bearbeitung. Das Tool NIMA soll neben technischen beziehungsweise qualitativen Kriterien auch die Ästhetik beurteilen können.
Google arbeitet an einer neuen Technik zur Bildbewertung, genannt NIMA (Neural Image Assessment). Das auf Machine Learning basierende Tool soll Bilder nicht nur in Hinblick auf die messbare Qualität sondern auch anhand ästhetischer Aspekte beurteilen.
Blogpost schreibt.
Für gewöhnlich teilen derlei Technologien Fotos in zwei Klassen. Eine mit hoher sowie eine mit niedriger Qualität. NIMA soll stattdessen vorhersagen können, ob ein Bild von einem Menschen eher als technisch gut oder aber besonders ästhetisch wahrgenommen wird. Dabei setze die Technologie auf hochmoderne Deep-Object-Recognition-Netzwerke, wie Google in seinem entsprechenden Neben der Kategorisierung soll das Tool auch dabei helfen, die Bilder mittels Künstlicher Intelligenz zu bearbeiten. Dazu zählen unter anderem die Optimierung der visuellen Qualität sowie die Minimierung wahrgenommener visueller Fehler wie zum Beispiel Bildrauschen.
Für die Bewertung der Aufnahmen zieht NIMA Referenzbilder heran. Ist für die vorliegende Grafik eine passende Referenz vorhanden, kommen Bildqualitätsmetriken wie PSNR (Peak-Signal-to-Noise-Ratio), SSIM (Structural Similarity) zum Einsatz. Gibt es hingegen kein passendes Referenzbild, werden "blinde" Ansätze, wie Google es nennt, angewendet. Dabei werden statistische Modelle herangezogen, um die Bildqualität vorherzusagen.
Menschliche Wahrnehmung steht im Fokus
Beide Ansätze verfolgen das Ziel, einen Qualitätsfaktor vorherzusagen, der mit der menschlichen Wahrnehmung übereinstimmt. Ähnliche Techniken ziehen meist den Durchschnittswert heran. NIMA aber nutzt für die Bewertung der Bilder eine Skala von eins bis zehn, wobei für jede mögliche Punktzahl eine Wahrscheinlichkeit errechnet. Die Bewertung mit der höchsten Wahrscheinlichkeit wird als Ergebnis dargestellt.
Um die Genauigkeit von NIMA zu bestätigen, hat Google die damit errechneten Ergebnisse mit einigen Bewertungen von realen Menschen verglichen. Als Referenz diente hierfür eine AVA-Datenbank. AVA steht für "Aesthetic Visual Analysis". Jedes der Testbilder wurde von durchschnittlich 200 Personen bewertet.
Im Vergleichstest lagen die so ermittelten Ergebnisse extrem nah an jenen, die NIMA angegeben hatte.
Im Vergleichstest lagen die so ermittelten Ergebnisse extrem nah an jenen, die NIMA angegeben hatte.
In der Praxis könne NIMA künftig etwa Nutzern bei der Auswahl von Bildern behilflich sein. Auch ein Echtzeit-Feedback bei der Aufnahme von Fotos sei denkbar. So dient die Technologie im Wesentlichen als Schnittstelle für den menschlichen Geschmack.
Pilot-Features
Google Maps-Funktionen für nachhaltigeres Reisen
Google schafft zusätzliche Möglichkeiten, um umweltfreundlichere Fortbewegungsmittel zu fördern. Künftig werden auf Google Maps verstärkt ÖV- und Fußwege vorgeschlagen, wenn diese zeitlich vergleichbar mit einer Autofahrt sind.
>>
Codeerzeugung per KI
Code ist sich viel ähnlicher als erwartet
Eine Studie zeigt, dass einzelne Codezeilen zu 98,3 Prozent redundant sind, was darauf hindeutet, dass Programmiersprachen eine einfache Grammatik haben. Die Machbarkeit von KI-erzeugtem Code war also zu erwarten.
>>
JavaScript Framework
Hono werkelt im Hintergrund
Das JavaScript-Framework Hono ist klein und schnell. Ein weiterer Vorteil ist, dass Hono auf vielen Laufzeitumgebungen zum Einsatz kommen kann.
>>
Container
.NET 8 - Container bauen und veröffentlichen ganz einfach
Dockerfiles erfreuen sich großer Beliebtheit. Unter .NET 8 lassen sich Container für Konsolenanwendungen über den Befehl "dotnet publish" erzeugen.
>>