ด้วยการมาถึงของยุคที่มีอุปกรณ์หลากหลาย การปรับภาพและวิดีโอข้ามแพลตฟอร์มจึงกลายเป็นสิ่งจำเป็นเร่งด่วน วิธีการปรับขนาดภาพโดยอัตโนมัติและมีประสิทธิภาพเพื่อปรับให้เข้ากับขนาดหน้าจอต่างๆ และรักษาเอฟเฟกต์การแสดงผลที่ดีที่สุดได้กลายมาเป็นประเด็นสำคัญในการวิจัยในด้านการประมวลผลภาพ ทีมวิจัยจากมหาวิทยาลัยชาร์จาห์ในสหรัฐอาหรับเอมิเรตส์ได้มอบโซลูชันที่เป็นนวัตกรรมโดยใช้การเรียนรู้เชิงลึก ซึ่งสามารถทำนายขนาดภาพที่เหมาะสมที่สุดได้โดยอัตโนมัติ และเลือกเทคโนโลยีการเปลี่ยนเส้นทางที่เหมาะสมที่สุด ซึ่งช่วยลดการสูญเสียข้อมูลและปรับปรุงประสบการณ์ผู้ใช้ได้อย่างมีประสิทธิภาพ
ด้วยความนิยมอย่างรวดเร็วของอุปกรณ์ดิจิทัล การปรับรูปภาพและวิดีโอให้เข้ากับหน้าจอขนาดต่างๆ ได้อย่างสมบูรณ์แบบจึงกลายเป็นปัญหาเร่งด่วนที่ต้องแก้ไข ทีมวิจัยจากมหาวิทยาลัยชาร์จาห์ในสหรัฐอาหรับเอมิเรตส์เพิ่งตีพิมพ์ผลการศึกษาโดยใช้โมเดลการเรียนรู้เชิงลึกเพื่อพัฒนาเทคโนโลยีใหม่ที่สามารถทำนายขนาดภาพที่เหมาะสมที่สุดโดยอัตโนมัติเพื่อให้แสดงผลได้อย่างราบรื่นระหว่างอุปกรณ์ต่างๆ
แกนหลักของการวิจัยนี้คือการใช้เทคโนโลยีการถ่ายโอนการเรียนรู้ โดยใช้โมเดลการเรียนรู้เชิงลึก เช่น Resnet18, DenseNet121 และ InceptionV3 นักวิจัยกล่าวว่าถึงแม้จะมีเทคโนโลยีการกำหนดเป้าหมายรูปภาพใหม่อยู่มากมาย แต่มักไม่สามารถปรับขนาดภาพได้โดยอัตโนมัติ และยังต้องมีการแทรกแซงด้วยตนเอง ซึ่งส่งผลให้ภาพที่อาจถูกครอบตัดหรือบิดเบี้ยวบนหน้าจอต่างๆ ดังนั้น ทีมวิจัยจึงหวังว่าจะพบวิธีการเปลี่ยนเส้นทางภาพที่ดีที่สุดผ่านวิธีการอัตโนมัติ เพื่อลดการสูญเสียข้อมูลและรักษาคุณภาพของภาพ
เพื่อให้บรรลุเป้าหมายนี้ นักวิจัยได้สร้างชุดข้อมูลที่มีรูปภาพ 46,716 ภาพที่มีความละเอียดต่างกัน ซึ่งเกี่ยวข้องกับเทคนิคการกำหนดเป้าหมายใหม่ 6 ประเภท จากการทดลอง พวกเขาใช้ข้อมูลหมวดหมู่เป็นอินพุตที่สาม ในขณะที่เข้ารหัสข้อมูลความละเอียดเป็นช่องทางเพิ่มเติมของภาพ หลังการประเมิน ผลลัพธ์แสดงให้เห็นว่าวิธีการของพวกเขาได้รับคะแนน F1 ที่ดีที่สุดถึง 90% ในการเลือกเทคนิคการเปลี่ยนเส้นทางที่เหมาะสม ซึ่งบ่งชี้ถึงประสิทธิผลของวิธีนี้
ทีมวิจัยเชื่อว่าการเรียนรู้เชิงลึกสามารถดึงคุณลักษณะของภาพออกมาได้โดยอัตโนมัติและบันทึกความสัมพันธ์ที่ซับซ้อนได้อย่างมีประสิทธิภาพ ดังนั้นจึงทำให้การจำแนกวิธีการกำหนดเป้าหมายใหม่ด้วยภาพมีความแม่นยำมากขึ้น ในขณะที่ยังไม่มีการเปิดเผยไทม์ไลน์เชิงพาณิชย์สำหรับเทคโนโลยีใหม่ แต่พวกเขาเน้นย้ำถึงความจำเป็นในการวิจัยเพิ่มเติมเพื่อพัฒนาแบบจำลองที่ทำให้การเลือกเทคโนโลยีที่ดีที่สุดและการกำหนดเป้าหมายใหม่ของรูปภาพเป็นแบบอัตโนมัติ นอกจากนี้ พวกเขาวางแผนที่จะขยายชุดข้อมูล เพิ่มตัวอย่างเพิ่มเติม และวิธีการเปลี่ยนเส้นทางเพื่อปรับปรุงความแม่นยำและความสามารถในการปรับตัวของแบบจำลอง
งานวิจัยนี้นำเสนอโซลูชั่นใหม่สำหรับด้านการประมวลผลภาพ และเราหวังว่าจะบรรลุการเปลี่ยนเส้นทางรูปภาพที่มีประสิทธิภาพและชาญฉลาดมากขึ้นในอนาคต
บทความ: https://ieeexplore.ieee.org/document/10776979
ไฮไลท์:
ทีมวิจัยได้พัฒนาเทคโนโลยีการเปลี่ยนเส้นทางภาพอัตโนมัติโดยใช้การเรียนรู้เชิงลึกที่สามารถปรับให้เข้ากับหน้าจอต่างๆ ได้อย่างราบรื่น
โมเดลต่างๆ เช่น Resnet18, DenseNet121 และ InceptionV3 ถูกนำมาใช้เพื่อปรับปรุงความแม่นยำของการประมวลผลภาพอย่างมาก
ด้วยการขยายชุดข้อมูลและการวิจัยเพิ่มเติม ทีมงานหวังว่าจะบรรลุโซลูชันการประมวลผลภาพอัตโนมัติที่ครอบคลุมมากขึ้น
ผลการวิจัยนี้ให้แนวคิดใหม่ในการแก้ปัญหาการปรับภาพ และมีความแม่นยำสูงและระบบอัตโนมัติที่นำมาซึ่งความเป็นไปได้ใหม่ๆ ในการพัฒนาเทคโนโลยีการประมวลผลภาพในอนาคต ความพยายามในภายหลังของทีมวิจัย โดยเฉพาะอย่างยิ่งการขยายชุดข้อมูลและการปรับปรุงแบบจำลอง จะช่วยเพิ่มความสามารถในการปฏิบัติจริงและความนิยมของเทคโนโลยี