La recherche montre comment l’IA peut aider à créer des caméras de vision nocturne en couleur: Revue de la photographie numérique

La technologie des caméras à vision nocturne a parcouru un long chemin à l’ère numérique. À mesure que les capteurs continuent de s’améliorer, la qualité de l’image en basse lumière augmente également. Cependant, aussi bonnes que soient les caméras de vision nocturne infrarouges, elles sont monochromes. Des chercheurs de l’Université de Californie à Irvine espèrent changer cela en combinant la technologie des caméras infrarouges avec l’intelligence artificielle pour développer une caméra de vision nocturne qui produit des images en couleur, même dans l’obscurité totale pour les yeux humains.

Nos yeux voient dans le spectre de la lumière visible. La longueur d’onde de la lumière visible varie de 400 à 700 nm. Les systèmes de caméras de vision nocturne spécialisés « voient » dans la lumière infrarouge qui est ensuite convertie numériquement en une image monochromatique dans le spectre de la lumière visible. Cette méthode de « voir » dans l’obscurité a des limites, y compris la production d’images monochromes. Les chercheurs de l’UC Irvine ont cherché à développer un algorithme d’imagerie alimenté par des architectures d’apprentissage en profondeur optimisées où l’éclairage spectral infrarouge d’une scène pourrait être utilisé pour prédire un rendu du spectre visible de la scène comme s’il était perçu par un humain avec une lumière à spectre visible. Cela permettrait de rendre numériquement une scène de spectre visible aux humains alors qu’ils sont par ailleurs dans une « obscurité » complète et uniquement éclairés par une lumière infrarouge. »Une partie de » comme si elle était perçue par un humain avec une lumière à spectre visible  » comprend une image en couleur.

‘(à gauche) Image de vérité au sol du spectre visible composée d’images d’entrée rouges, vertes et bleues. (à droite) Reconstructions prédites pour Unet-GAN, UNet et régression linéaire à l’aide de 3 images d’entrée infrarouges.’

Pour atteindre cet objectif d’imagerie de vision nocturne colorée, l’équipe devait former de manière adéquate un modèle d’apprentissage en profondeur avec un ensemble d’images approprié. En utilisant des images imprimées montrées sous un éclairage multispectral, un réseau de neurones convolutifs a été optimisé pour prédire les différentes images vues sous la lumière infrarouge serait on dirait dans le spectre visible. « Cette étude constitue une première étape vers la prédiction des scènes du spectre visible humain à partir d’un éclairage imperceptible dans le proche infrarouge. »Pour l’instant, l’équipe n’a testé l’approche qu’à l’aide de photos imprimées. Cependant, les résultats devrait traduisez en sujets du monde réel et en applications vidéo.

Ce n’est pas la première fois que des chercheurs tentent d’enseigner aux caméras de vision nocturne à voir les couleurs. Des tentatives antérieures ont inclus la photographie de la même scène avec un appareil photo typique et une caméra infrarouge pour apprendre à un modèle d’apprentissage automatique à prédire la couleur à partir d’une image infrarouge. Les scientifiques de l’UC Irvine ont plutôt utilisé plusieurs longueurs d’onde de lumière infrarouge pour améliorer un algorithme de prédiction des couleurs. Les résultats montrent que la méthode de lumière infrarouge et d’apprentissage en profondeur de l’équipe fait un excellent travail par rapport à une image couleur réelle. Au fur et à mesure que l’équipe augmentait le nombre de canaux infrarouges, le modèle faisait de meilleures prédictions. Au lieu de s’appuyer sur une seule image infrarouge, l’imagerie sur plusieurs canaux infrarouges permet d’obtenir des prédictions en couleur plus précises.

Les scores FID (plus bas est mieux) s’améliorent à mesure que le modèle est entraîné davantage et avec des images capturées avec des longueurs d’onde infrarouges supplémentaires. Comme vous pouvez le voir par la ligne noire, les meilleurs résultats sont obtenus en utilisant trois longueurs d’onde infrarouges (718, 777 et 807 nm).

Des travaux supplémentaires sont nécessaires, mais jusqu’à présent, le modèle d’apprentissage en profondeur de l’équipe a produit des reconstructions RVB cohérentes en utilisant seulement trois images infrarouges d’entrée. De plus, les architectures U-Net proposées peuvent traiter trois images par seconde. Il n’est donc pas tout à fait prêt à se comporter comme une caméra de vision nocturne couleur en temps réel. Cependant, il y arrive. L’équipe pense que différentes accélérations pourraient être utilisées pour augmenter la vitesse. De plus, le point de départ est une excellente base de référence pour les améliorations dues à une architecture améliorée, à un multithreading ou à un matériel plus rapide.

L’étude de la « preuve de principe » est prometteuse. Les applications réelles possibles incluent des caméras de vision nocturne en couleur qui pourraient être utilisées pour la surveillance, la sécurité, l’observation des animaux et les opérations militaires. La technologie pourrait également être utile pour manipuler, traiter et étudier des échantillons biologiques sensibles à la lumière visible, par exemple lors de l’étude du tissu rétinien. Il existe également des applications médicales possibles, telles que la possibilité d’effectuer une chirurgie oculaire sensible dans l’obscurité totale. L’équipe conclut: « En bref, cette étude suggère que les CNN sont capables de produire des reconstructions de couleurs à partir d’images éclairées par infrarouge, prises à différentes longueurs d’onde infrarouges invisibles pour l’homme. Par conséquent, il soutient l’impulsion pour développer des systèmes de visualisation infrarouge pour aider dans une variété d’applications où la lumière visible est absente ou ne convient pas.’

L’étude complète est disponible à l’adresse Plos One. Les auteurs de l’étude sont Andrew W. Browne, Ekaterina Deyneka, Francesco Ceccarelli, Josiah K. To, Siwei Chen, Jianing Tang, Anderson N. Vu et Pierre F. Baldi.

Le scénario est la base d’un film d’entreprise.

Pour l’élaboration du script de votre film d’entreprise, nous travailler avec vous afin de combiner tout ou partie de votre idée originelle. Il est habituel de considérer que l’idée initiale est la meilleure. Pour en savoir plus sur le thème de vidéos institutionnellesen retrouvant les informations page 1. Notre devoir est par exemple de diagnostiquer l’élément principal qui va clarifier le propos de votre vidéo ou film et le thème dans lequel celui-ci sera composé pour atteindre un impact de communication de la vidéo d’entreprise le plus positif que nécessaire.

Livres sur le même thème:

Réseaux informatiques – Notions fondamentales (8e édition) – (Protocoles, Architectures, Réseaux sans fil, Virtualisation, Sécurité, IPv6…).,livre de référence . Disponible à la FNAC.