「ズームと拡張」という表現はテレビの決まり文句ですが、AIの進歩により、徐々に現実のものとなってきています。 研究者は、機械学習により低解像度の画像を拡大し、以前にはなかったシャープネスを復元できることを示しました。
競合の Photoshop は本日、60 ドルの Pro バージョンのソフトウェアで「ML 超解像」と呼ぶ機能を発表しました。 しかし、全体として、Pixelmator の超解像機能のパフォーマンスは印象的です。
イラスト、写真、テキストなど、さまざまな画像でピクセル化がスムーズに行われます。 その結果は、従来のアップスケール アルゴリズムが提供するものよりも優れており、処理は瞬間的ではありませんが (私たちの 2017 MacBook Pro では 1 画像あたり約 8 秒かかりました)、あらゆる種類のデザイナーや画像編集者にとっての恩恵となるに十分な速さを持っています。 Pixelmator の例を以下に示します。左側がズームした低解像度画像、右側が処理後の ML Super Resolution 画像です:
Pixelmator のブログでは、Bilinear、Lanczos、Nearest Neighbor など、従来のアップスケール手法との比較も含めてさらに画像を見ることができます。 ML Super Resolution は魔法の杖ではありませんが、一貫して素晴らしい結果をもたらします。
超解像の研究は、Google や Nvidia といったハイテク企業が過去数年の間に独自のアルゴリズムを作成し、しばらく続いています。 いずれの場合も、ソフトウェアは、低解像度と高解像度の画像のペアを含むデータセットでトレーニングされます。 アルゴリズムはこのデータを比較し、画像ごとにピクセルがどのように変化するかというルールを作成する。 そして、見たことのない低解像度の画像を見せられると、どのピクセルが必要かを予測し、それを挿入します。
Pixelmatorの開発者は、ユーザーのデバイスで実行できるように軽量化するために、アルゴリズムはゼロから作られたとThe Vergeに語っています。 研究用アルゴリズムがしばしば50倍もの大きさになるのに比べ、サイズはわずか5MBです。 ユーザーのさまざまなニーズを予測するために、さまざまな画像で学習しますが、学習データセットは驚くほど小さく、Pixelmator の ML Super Resolution ツールを作成するために必要なサンプル数はわずか 15,000 です。 オンラインでは、BigJPG.com や LetsEnhance.io など、シングルユースの超解像ツールが多数存在します。 私たちのテストでは、これらのサイトからの出力は、Pixelmator の出力よりも品質がまちまちであり（全般的には良好でしたが）、無料ユーザーは少数の画像しか処理できません。 Adobe も超解像機能をリリースしましたが、結果は、やはり劇的ではありませんでした。
全体として、Pixelmator は、私たちが見た中で最高の商用超解像ツールを提供していると思われ (より優れたツールをご存知の場合はコメントでお知らせください)、「ズームと拡大」は日々ジョークではなくなりつつあります。 この記事の以前のバージョンでは、非破壊でダウンサイズした画像を Pixelmator の ML Super Resolution でアップスケールすると、非現実的な結果が得られるという比較が含まれていました。 これらは削除されました。 申し訳ございませんでした。