常规可见光谱照片由可见光谱中的红、绿、蓝通道组成。作者使用3种不同波长的红外图像和深度学习来预测可见光谱图像。鸣谢:布朗实验室，加州大学欧文分校眼科系，CC-BY 4.0(creativecommons.org/licenses/by/4.0/)加州大学的一个研究小组使用深度学习来实现黑暗中有限的色觉。该小组发表了一篇论文，描述了他们在开放访问网站PLOS一号上的工作。正如研究人员指出的那样，人类能够看到光谱400到700纳米的光——物体看起来有特定的颜色，这取决于从它们身上反射并进入眼睛的光的波长。人类通过创造夜视技术，将红外光照射到物体上并捕捉反射回来的信号，然后将这些信号转换为单色图像或视频形式的可见光，从而开发出了一种扩大视野范围的方法。虽然红外技术已被证明在各种应用中有用，但科学家们一直在努力开发能够在没有光线的地方使用相机提供全色图像或视频的技术。在这项新的努力中，研究人员朝着这个方向迈出了一小步。
先前的研究表明，深度学习网络可以用于向单色数据添加颜色。这样的系统可以被教导在一个场景中应该是什么颜色，例如，通过在一个给定场景被很好地照亮的时候向它们显示该场景的多个例子。但是这种应用仅限于已经研究过的场景。在这项新的努力中，研究人员扩展了深度学习网络可以用来“教”人工智能系统如何在没有可见光的情况下计算出某种东西应该是什么颜色的手段。
这项工作涉及在教授人工智能系统时使用不止一种波长的红外光，以及来自可见光谱中的光的数据。为此，他们使用了一台能够对可见光和红外光谱做出反应的单色相机。然后，他们用它来拍摄人脸的多张照片，以此作为一种方式来教会人工智能系统人脸涉及的颜色。然后他们使用该系统在黑暗中拍摄类似的照片。在这样做的过程中，他们发现这个系统能够做出准确的猜测，给显示在电脑屏幕上的图片上色。
研究人员承认，他们的应用仅限于人脸照片，结果是最佳猜测，而不是某个主题的真实表现——但他们也指出，像他们这样的系统可能会随着时间的推移发展成为给夜视图像着色的技术。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
