Zu bewölkt? Ändern Sie das Wetter mit neuen Foto-Editing-Tech
Wer behauptet, dass Sie nicht kontrollieren können, das Wetter war falsch. Ein neues Foto-editing-Programm können Sie entscheiden, ob du ein Regentag-Art von Person oder bist bevorzugen Sie helle und sonnige Nachmittage.
Das neue Foto-editing-Algorithmus erlaubt Leuten, bestimmte Funktionen der Outdoor-Fotografien, bekannt als "transiente Attribute," darunter Wetter, Tageszeit und sogar der Saison zu kontrollieren. Benutzer können entscheiden, wie sie wollen, dass ihr Foto, indem Sie einfache Text-Befehle zu einer interaktiven Datenbank zu suchen. Ein Foto ist einen Hauch banaler so einfach wie das Senden eines Befehls in der Datenbank, die liest "mehr Regen," nach Angaben der Forscher, die die neue Technologie entwickelt.
Normalerweise, Fotografen in teure Software wie Adobe Photoshop, zu investieren, um solche Änderungen zu einem Foto machen müssten, sagte James Hays, Assistant Professor für Informatik an der Brown University in Providence, Rhode Island, die der neue Algorithmus entwickelt. [Foto-Zukunft: 7 Hightech-Möglichkeiten zum Freigeben von Bildern]
Den hohen Preis und steile Lernkurven, verbunden mit vielen bestehenden Bildbearbeitungs-Programmen inspiriert Hays, ein Tool zu erstellen, die Bearbeitung Bilder Amateure erleichtert, sagte er.
Der Algorithmus vermeidet rechtdrehend in expert Gebiet mit einem Verfahren bekannt als maschinelles lernen. In diesem Prozess EDV-Systeme automatisch lernen und ihr Verhalten im Laufe der Zeit zu optimieren. Für diese besondere Technologie mussten die Forscher zunächst, den Computer-Algorithmus zu lehren, welche unterschiedliche Attribute aussehen.
Sie wählten 40 Attribute oder beschreibenden Eigenschaften, von die einige recht einfach auf ein Foto, wie bewölkt, sonnig, Snowy, regnerische und neblige Bedingungen repliziert wurden. Sie wählten auch mehr subjektive Attribute – Dinge wie düster, hell, sentimental, geheimnisvolle und ruhig.
Die Forscher zusammengestellt eine Datenbank mit über 8.000 Fotos von mehr als 100 Webcams stationiert auf der ganzen Welt. Alle Kameras fotografierte die gleichen Szenen zu verschiedenen Zeiten des Tages, während der verschiedenen Jahreszeiten und in verschiedenen Wetterbedingungen.
Die Forscher bestimmte Attribute, jedes Foto zugewiesen. Beispielsweise könnte ein Foto aufgenommen am helllichten Tag auf einem Berggipfel mitten im Winter einzustufen als "Sonne, Schnee, Winter." Sobald Kategorien zugewiesen wurden, verarbeitet der Maschine-Lernalgorithmus Fotos, zusammen mit ihren zugewiesenen Attributen.
"Nun hat der Computer Daten zu lernen, was es bedeutet,"sunset"oder was es bedeutet,"Sommer"oder was es bedeutet,"regnerisch"sein — oder zumindest was es bedeutet, als diese Dinge wahrgenommen werden" Hays sagte in einer Erklärung.
Nun, da der Algorithmus gelernt hat, wie diese Attribute aussehen, können sie in anderen Fotos neu erstellen. Dies geschieht indem man welche Hays, genannt "Lokalkolorit verwandelt." Das heißt, der Algorithmus spaltet sich das Foto in verschiedenen Regionen von Pixeln und nutzt sein wissen was andere Attribute sollen aussehen, um festzustellen, wie diese Regionen verändern sollte, wenn sie einem bestimmten Attribut zugewiesen sind.
"Wenn Sie ein Bild rainier machen wollten, die Computer wissen würde, dass Teile des Bildes, die aussehen wie Himmel grauer und flacher werden müssen", sagte Hays. "In Regionen, die aussehen wie Boden, werden die Farben glänzender und stärker gesättigt. Dies geschieht für Hunderte von verschiedenen Regionen auf dem Foto."
Um zu testen wie die Fotobearbeitung Algorithmus im Vergleich zu mehr traditionellen Fotobearbeitungs-Methoden, fragte die Forscher eine Gruppe von Teilnehmern, die veränderten Fotos zu bewerten. Teilnehmer im Vergleich Algorithmus bearbeitet Fotos, Fotos mit mehr traditionellen Mitteln bearbeitet.
Fotos vom Algorithmus verändert entwickelte sich in der Umfrage, mit 70 Prozent der Teilnehmer, die lieber der Bearbeitungen durch den Algorithmus, um diejenigen, die mehr traditionellen Bearbeitungs-Technologien durchgeführt.
Folgen Sie Elizabeth Palermo @ techEpalermo . Folgen Sie Live Science @livescience , Facebook & Google + .