De-Raining-Algorithm for posttrue AI-Sunshine

Gepostet vor 4 Monaten, 2 Tagen in #Science #Tech #AI #AlgoCulture #Fake #Weather

Share: Twitter Facebook Mail

rain1

Die viel faszinierendere Lüge von Trump nach seiner Amtseinführung war ja in meinen Augen, dass er behauptete, es hätte aufgehört zu regnen und die Sonne wäre rausgekommen, als er mit seiner Rede begann. Menschenmassen mögen auch auf Bildern schwer einzuschätzen sein, aber jeder konnte mit eigenen Augen sehen, dass es regnete.

Mr. Trump said that though he had been “hit by a couple of drops” of rain as he began his address on Inauguration Day, the sky soon cleared. “And the truth is, it stopped immediately, and then became sunny,” he said. “And I walked off, and it poured after I left. It poured.”

The truth is that it began to rain lightly almost exactly as Mr. Trump began to speak and continued to do so throughout his remarks, which lasted about 18 minutes, and after he finished.

rain2

rain0Trump wird sich schon bald keine Sorgen mehr um das Wetter machen müssen, Wissenschaftler arbeiten an automatischen Entregnungsalgorithmen, die ihm schon bald die Arbeit seiner aufwändig konstruierten postfaktischen Wetterwahrheit abnehmen werden. Die Ergebnisse sind (noch) eher mau, aber wir arbeiten daran.

Paper: Image De-raining Using a Conditional Generative Adversarial Network (via CreativeAI)

Abstract: Severe weather conditions such as rain and snow adversely affect the visual quality of images captured under such conditions thus rendering them useless for further usage and sharing. In addition, such degraded images drastically affect performance of vision systems. Hence, it is important to solve the problem of single image de-raining/de-snowing. However, this is a difficult problem to solve due to its inherent ill-posed nature. Existing approaches attempt to introduce prior information to convert it into a well-posed problem. In this paper, we investigate a new point of view in addressing the single image de-raining problem. Instead of focusing only on deciding what is a good prior or a good framework to achieve good quantitative and qualitative performance, we also ensure that the de-rained image itself does not degrade the performance of a given computer vision algorithm such as detection and classification. In other words, the de-rained result should be indistinguishable from its corresponding clear image to a given discriminator. This criterion can be directly incorporated into the optimization framework by using the recently introduced conditional generative adversarial networks (GANs). To minimize artifacts introduced by GANs and ensure better visual quality, a new refined loss function is introduced. Based on this, we propose a novel single image de-raining method called Image De-raining Conditional General Adversarial Network (ID-CGAN), which considers quantitative, visual and also discriminative performance into the objective function. Experiments evaluated on synthetic images and real images show that the proposed method outperforms many recent state-of-the-art single image de-raining methods in terms of quantitative and visual performance.

How Computer Vision Is Finally Taking Off

Nat and Friends: „Computer vision is fascinating to me because a) it sounds intriguing and b) it’s a part of…

Deep Dreaming an Art Archive

Tolle Installation des türkischen Künstlers Refik Anadol, der eine künstliche Intelligenz und ihr Machine Learning auf das Archiv des SALT…

Neulich in Darmstadt: Das Geile Neue Internet – Potential of (visible) Infinite Idea Space

[update] Hier ein Livestream auf Facebook. Hier der Vortrag auf Youtube. Wer einem sehr nervösen Typen auf einer Bühne beim…

Smile-Filtering a Face until there is no Face left to smile-filter

Gene Kogan: „just in case you were wondering, this is what happens when you repeatedly run FaceApp’s smile filter until…

Neural Network dreams your Dreams

Wissenschaftler können bereits seit Jahren Bilder aus Gehirnscans extrahieren, also: Tatsächlich ein Abbild davon schaffen, was wir sehen. Die Resultate…

Neural Network dreams of riding a Train

Tolle Arbeit von Damien Henry: Ein Neural Network, ein sogenannter „prediction algorithm“, der Frames eines Videos „errät“, ausgehend vom jeweils…

4 AI-Obamas learn Algo-Lipsynch from Audio

Seit ich über die neuen Möglichkeiten von Machine Learning bezüglich Computer Vision und der Generation von Bildern schreibe, vor allem…

Daddy Cthulhu Cumshot: Weird Algo-Poetry from repetitive Cut'n'Paste-Autocomplete

Das LanguageLog hat die „psychedellic“ AI-„Dreaming of“-Technik auf Google Translate angewandt und dort regelmäßige Sprach/Zeichen-Muster („Iä! Iä! Iä! Iä! Iä!…

Neural Networks for Character Control

Daniel Holden, Taku Komura und Jun Saito haben ein Neural Network auf Character-Animationen trainiert, mit dem Figuren in Games und…

Predictive Policing for Banksters

Schönes Ding von Sam Lavigne, Predictive Policing für Wirtschaftskriminalität im Finanzsektor, 'ne Robocop-App für Bankster. White Collar Crime Risk Zones…

AI Voice-Cloning

Vor ein paar Monate veröffentlichte Google sein WaveNet, ein auf Stimmen trainiertes Neurales Netzwerk mit einem deutlichen Qualitätssprung gegenüber bisherigen…