A média az időről időre megugró – napjainkban éppen 4K-s - felbontás bűvöletében hajlamos elfelejtkezni arról, hogy a weben még mindig jelentős a kisméretű képek aránya. Ezek megjelenítése, pontosabban elfogadható méretben való megjelenítése erősen korlátozott, hiszen nagyításukkal azonnal pixelesedni kezdenek. A zavaró látvány elkerülésére vagy legalábbis kezelésére különböző interpolációs technikák állnak rendelkezésre, de ezek közel sem hozzák azt az élményt, mintha eredetileg a kívánt méretben készült volna kép.

Ezt ismerte fel a Google, és vetette be a területen a 21. század elejének egyik buzzwordjét, a gépi tanulást. Rapid and Accurate Image Super-Resolution, azaz RAISR (Emelő) megoldása fel tudja skálázni a kisebb felbontású képeket nagyobbra, néhány egyszerű algoritmus alkalmazásával. Ezek feladata, hogy az egyébként nem létező pixelek megjelenésével „kitalálja”, milyen színűeknek kellene lenniük a képpontoknak ahhoz, hogy a néző számára a lehető legjobb, az eredetihez lehető legközelebbi vizuális élményt nyújtsák.

Ugyan a Google algoritmusai közel sem az elsők ezen a téren, az eddig alkalmazott technikák sajnos nem tudták előhozni a képek – egyébként nem létező - finom részleteit, pixelessé, vagy legalábbis elmosódottá téve a látványt.

Ez az a pont, ahol a RAISR akcióba lép. A keresőóriás 10 ezernyi képpáron – páronként egy alacsony és egy magas felbontású, egyébként ugyanazt tartalmazó képen - taníttatta az algoritmusokat, hogy olyan szűrőket hozzon létre, melyek a rossz minőségű képet felskálázva közel ugyanazt a látványt adják, mint az eredeti. Az eredmény magáért beszél.
 

Majdnem mindenre jó

A Google reményei szerint a gépi tanulás eszközével képzett algoritmusok fontos szerepet játszhatnak az alacsonyfelbontású kamerák képeinek használhatóbbá tételében. Az akár soktucatnyi kamerából álló megfigyelőrendszerek egy-egy tagja ugyanis olyan alacsony felbontással rendelkezik, ami miatt a lényeges mozgások ugyan jelezhetők, de a finom részleteknek esélyük sincsen felbukkanni.

Ennek jellemzően két oka van. Egyrészt költséghatékonyság szempontjából szeretnek olcsóbb eszközökből építkezni, másrészt az alacsonyabb felbontás kisebb sávszélesség- és háttértár-igényt jelent. Ha viszont a tárolás és továbbítás történhet kis méretekben, a megjelenítéskor viszont az eredetivel közel azonos minőséget produkál a rendszer, az szinte minden tekintetben nyertes helyzetnek tekinthető.

Kivéve persze akkor, ha hitelesített bizonyítékként kellene felhasználni a képi anyagot. Ekkor ugyanis a bíróság előtt nem feltétlenül áll meg egy olyan kép/videó, melynek számos pixele nem lencsék és fényérzékeny szenzorok révén állt elő, hanem digitális utómunkában.