เทคโนโลยีของ Canon: เทคโนโลยีการประมวลผลภาพด้วยนิวรัลเน็ตเวิร์ก
การสร้างนวัตกรรมและการประยุกต์ใช้เทคโนโลยีล้ำสมัยอย่างต่อเนื่องเป็นสิ่งที่ขาดไม่ได้ในความพยายามอย่างไม่หยุดยั้งของ Canon ที่จะเฟ้นหาความเป็นเลิศในการถ่ายภาพ กล้องรุ่นใหม่ๆ จาก Canon นำเทคโนโลยีการเรียนรู้เชิงลึกมารวมไว้ในฟีเจอร์ต่างๆ เช่น การตรวจจับตัวแบบ และยังมีอีกมากมาย อ่านต่อเพื่อศึกษาข้อมูลเกี่ยวกับเครื่องมือประมวลผลภาพแบบใหม่สองชนิดที่ใช้ประโยชน์จากสถาปัตยกรรมนิวรัลเน็ตเวิร์ก ซึ่งเอื้อให้ทำการเรียนรู้เชิงลึกได้
การประมวลผลด้วยนิวรัลเน็ตเวิร์ก: ก้าวสู่อีกระดับของความเป็นเลิศในการถ่ายภาพ
แรงจูงใจหลักอย่างหนึ่งของ Canon คือการเฟ้นหาความเป็นเลิศในการถ่ายภาพมาโดยตลอด ซึ่งเป็นปัจจัยกระตุ้นให้เกิดการพัฒนาเลนส์คุณภาพสูงและเซนเซอร์ภาพที่มีประสิทธิภาพจำนวนมากตลอดประวัติศาสตร์อันยาวนานของ Canon
อย่างไรก็ตาม เนื่องจากการถ่ายภาพเกิดขึ้นได้จากชิ้นส่วนออพติคอล จึงมักจะพบปัญหาในตัวชิ้นส่วนที่ส่งผลเสียต่อคุณภาพของภาพอยู่เสมอ การยกระดับคุณภาพของภาพต้องอาศัยการคิดค้นนวัตกรรมใหม่ๆ ที่เป็นมากกว่าระบบออพติค นวัตกรรมใหม่ล่าสุดของ Canon ใช้นิวรัลเน็ตเวิร์กเพื่อใช้ประโยชน์จากประสิทธิภาพของเทคโนโลยีการเรียนรู้เชิงลึก (Deep learning) และแก้ไขปัญหาที่มีมายาวนานเพื่อปรับปรุงคุณภาพของภาพให้ดีขึ้นในแบบที่ไม่เคยทำได้ด้วยซอฟต์แวร์ทั่วไปมาก่อน เช่น Digital Lens Optimizer และการแก้ไขความคลาดเคลื่อนของเลนส์ในกล้อง
เครื่องมือแบบใหม่ที่ทำงานด้วยนิวรัลเน็ตเวิร์กมีอยู่ 2 ชนิดดังนี้
- Neural Network Image Processing Tool จะปรับปรุงคุณภาพของภาพให้ดียิ่งขึ้น
- Neural Network Upscaling Tool จะเพิ่มความละเอียดของพิกเซล พร้อมทั้งรักษาความละเอียดสูงของภาพต้นฉบับไว้
อ่านต่อเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับลักษณะการทำงานและประโยชน์ที่เกี่ยวข้องของเครื่องมือเหล่านี้
นิวรัลเน็ตเวิร์ก (Neural networks หรือที่เรียกว่า “โครงข่ายประสาทเทียม” หรือ “โครงข่ายประสาทจำลอง”) คือระบบประมวลผลข้อมูลซึ่งมีโครงสร้างที่ได้รับแรงบันดาลใจมาจากสมองของมนุษย์ อัลกอริธึมการเรียนรู้เชิงลึกจะต้องอาศัยนิวรัลเน็ตเวิร์กในการทำงาน
Neural Network Image Processing Tool คืออะไร
Neural Network Image Processing Tool ใช้งานได้ใน Digital Photo Professional เวอร์ชัน 4.17.20 ขึ้นไป โดยจะใช้นิวรัลเน็ตเวิร์กเพื่อปรับปรุงคุณภาพของภาพด้วย 3 วิธีต่อไปนี้
1. การลดจุดรบกวนด้วยนิวรัลเน็ตเวิร์ก
- ลดจุดรบกวนได้ดียิ่งขึ้น
2. การกู้คืนสีด้วยนิวรัลเน็ตเวิร์ก
- แก้ไขเอฟเฟ็กต์มอเร่ ลดการเกิดรอยหยักและเงาสีแปลกปลอมอื่นๆ
3. Lens Optimizer ด้วยนิวรัลเน็ตเวิร์ก
- ลดปัญหาที่เกิดจากความคลาดเคลื่อนของเลนส์ เช่น การเบลอจากการกระจายแสงและการเกิดสีเพี้ยน
ภาพตัวอย่างด้านล่างจะอธิบายเทคโนโลยีแต่ละชนิดเพิ่มเติม พร้อมทั้งแสดงข้อแตกต่างระหว่างผลลัพธ์ของ Neural Network Image Processing Tool กับเครื่องมือเพิ่มคุณภาพของภาพที่มีอยู่เดิม ได้แก่ Digital Lens Optimizer (DLO) ใน Digital Photo Professional (DPP)
การลดจุดรบกวนด้วยนิวรัลเน็ตเวิร์ก
ภาพนี้ถ่ายด้วย ISO 51200
EOS R6 Mark II + RF100-500mm f/4.5-7.1L IS USM ที่ 500 มม., f/7.1, 1/500, ISO 51200
ใช้ Lens Optimizer ด้วยนิวรัลเน็ตเวิร์ก
ไม่ใช้ Lens Optimizer ด้วยนิวรัลเน็ตเวิร์ก
มีอยู่หลายสถานการณ์ที่การใช้ความไวแสง ISO สูงๆ จะช่วยให้เราได้ภาพถ่ายตามต้องการ แต่เรามักลังเลที่จะเพิ่มระดับความไวแสงเพราะกังวลเรื่องจุดรบกวนบนภาพ แม้ว่าอัลกอริธึมลดจุดรบกวนที่มีอยู่เดิมจะช่วยได้ในระดับหนึ่ง แต่อัลกอริธึมดังกล่าวมีเอฟเฟ็กต์ “เพิ่มความนุ่มนวล” ที่ส่งผลให้สูญเสียรายละเอียดภาพเช่นกัน
ทว่า ปัญหานี้จะหมดไปเมื่อใช้อัลกอริธึมลดจุดรบกวนด้วยนิวรัลเน็ตเวิร์กของ Canon ซึ่งได้รับการฝึกฝนด้วยชุดข้อมูลภาพ RAW ขนาดมหึมาของ Canon และสามารถลดจุดรบกวนได้อย่างชาญฉลาดและแม่นยำ พร้อมทั้งรักษารายละเอียดให้คมชัด คุณจึงเพิ่มระดับความไวแสง ISO ได้อย่างมั่นใจในแบบที่ไม่เคยทำได้มาก่อน!
การกู้คืนสีด้วยนิวรัลเน็ตเวิร์ก
EOS R6 Mark II + RF70-200mm f/2.8L IS USM ที่ 200 มม., f/4, 1/500, ISO 100
ใช้ Lens Optimizer ด้วยนิวรัลเน็ตเวิร์ก
ไม่ใช้ Lens Optimizer ด้วยนิวรัลเน็ตเวิร์ก
ปรากฏการณ์ทางออพติคอลบางอย่างจะเกิดขึ้นในระหว่างกระบวนการกู้คืนสี (การสร้างใหม่) (ฉบับภาษาอังกฤษ) (Demosaicing/debayering) ซึ่งเกิดขึ้นเมื่อกล้องสร้างภาพสี RGB จากการอ่านสัญญาณเซนเซอร์ภาพ ซึ่งรวมถึง
- สีเพี้ยน: สีสันที่ไม่มีในฉากจริง
- เอฟเฟ็กต์มอเร่: ความผิดเพี้ยนและสีเพี้ยนที่มักจะปรากฏในรายละเอียดเล็กน้อยซ้ำๆ ที่เกิดขึ้นใกล้กัน
- รอยหยัก: เส้นแนวทแยงมุมที่ดูไม่เรียบ
ในภาพตัวอย่างด้านบน ปรากฏการณ์นี้ทำให้ขนม้าดูหยาบขึ้นและมีการเปลี่ยนแปลงของสีที่ดูไม่ละเอียดอ่อนนัก
ในระหว่างกระบวนการฝึกฝนเทคโนโลยีการกู้คืนสีด้วยนิวรัลเน็ตเวิร์ก นักพัฒนาของ Canon ได้ให้ความสำคัญกับการจัดการปัญหาที่มักจะนำไปสู่การแก้ไขที่ผิดพลาดในซอฟต์แวร์การแก้ไขทั่วไป ผลลัพธ์ที่ได้คือกระบวนการที่ปรับปรุงความคมชัด ความละเอียด และการแสดงสีให้มีความแม่นยำยิ่งกว่าที่เคย
Lens Optimizer ด้วยนิวรัลเน็ตเวิร์ก
เลนส์ทุกรุ่นมีความคลาดเคลื่อนในตัวเอง ซึ่งเป็นลักษณะเฉพาะตัว ไม่ว่าจะเป็นการเบลอจากการกระจายแสงเมื่อใช้รูรับแสงที่แคบมากๆ ความคลาดสี และความบิดเบี้ยวในรูปแบบต่างๆ เลนส์ประสิทธิภาพสูงๆ ได้รับการออกแบบมาให้ลดปัญหาดังกล่าวให้มากที่สุดเท่าที่จะทำได้ และเทคโนโลยีที่มีอยู่เดิม เช่น Digital Lens Optimizer จะช่วยแก้ไขปัญหาเหล่านี้ได้ดียิ่งขึ้นผ่านทางซอฟต์แวร์ แต่ปัญหาบางอย่างก็ยากที่จะแก้ไขอย่างได้ผลจวบจนมาถึงปัจจุบันนี้
เวอร์ชันต้นฉบับของภาพด้านล่างนี้แสดงภาพที่เบลอเนื่องจากการกระจายแสงเมื่อใช้ค่า f/32
ถ่ายที่ค่า f/32
EOS R8 + RF24-105mm f/4-7.1 IS STM ที่ 105 มม., f/32, 2 วินาที, ISO 400
ใช้ Lens Optimizer ด้วยนิวรัลเน็ตเวิร์ก
ไม่ใช้ Lens Optimizer ด้วยนิวรัลเน็ตเวิร์ก
เทคโนโลยี Lens Optimizer ด้วยนิวรัลเน็ตเวิร์กประสบความสำเร็จในการฟื้นฟูความคมชัดและรายละเอียดต่างๆ แม้แต่ในส่วนที่สว่าง ซึ่งตามปกติแล้วแก้ไขได้ยากเนื่องจากขาดข้อมูลในบริเวณรอบๆ แต่เพราะอัลกอริธึม Lens Optimizer ด้วยนิวรัลเน็ตเวิร์กสามารถแก้ได้ เพราะได้รับการฝึกฝนให้คำนึงถึงและแก้ไขความคลาดเคลื่อนของเลนส์ในส่วนที่สว่าง
ไม่ว่าคุณจะใช้รูรับแสงแคบๆ เพื่อโฟกัสลึกหรือใช้ค่ารูรับแสงกว้างสุดเพื่อเพิ่มประสิทธิภาพความเร็วชัตเตอร์และความไวแสง ISO คุณก็จะหมดกังวลเรื่องความคลาดเคลื่อนของเลนส์และไม่ลังเลที่จะใช้การตั้งค่ากล้องในแบบที่ต้องการอีกต่อไป!
สิ่งที่จำเป็นในการใช้ Neural Network Image Processing Tool
1. Digital Photo Professional เวอร์ชันล่าสุด (ใช้ได้กับ Windows เท่านั้น)
2. ฮาร์ดแวร์ที่ตรงตามข้อกำหนด (ฉบับภาษาอังกฤษ)
3. ไฟล์ RAW ที่ถ่ายด้วยกล้องและเลนส์ที่รองรับ
4. การสมัครใช้งานแผนแบบชำระเงินสำหรับ Neural Network Image Processing Tool (คลิกที่นี่เพื่อดูรายชื่อแผนต่างๆ)
ใน DPP ให้ไปที่แท็บ “ฟังก์ชั่นเพิ่มเติม” แล้วเลือก “Neural network Image Processing Tool” เพื่อเริ่มต้นการประมวลผลภาพด้วยนิวรัลเน็ตเวิร์ก
Neural Network Image Processing Tool จะใช้ได้กับภาพที่ถ่ายด้วยกล้องและเลนส์ที่รองรับเท่านั้น ภาพที่ประมวลผลด้วยเครื่องมือดังกล่าวจะถูกบันทึกด้วยนามสกุล “.CRN”
กล้องที่รองรับ (ข้อมูล ณ เดือนกันยายน 2566):
EOS R3, EOS R5, EOS R5 C, EOS R6, EOS R6 Mark II, EOS R7, EOS R8, EOS R10, EOS R50, EOS 1D-X Mark III
ข้อกำหนดด้านระบบ
- CPU: Intel Core ซีรีส์ i (แนะนำให้ใช้ Intel Core i7 ขึ้นไป)
- RAM: แนะนำให้ใช้ 16 GB ขึ้นไป
- GPU: การ์ดจอที่รองรับ DirectX 12
- VRAM: 4 GB ขึ้นไป
Neural Network Upscaling Tool คืออะไร
Neural Network Upscaling Tool ใช้อัลกอริธึมการเรียนรู้เชิงลึกเพื่อเพิ่มจำนวนพิกเซลของภาพ JPEG หรือ TIFF สูงสุดถึง 4 เท่า (2 x 2) พร้อมทั้งรักษาความละเอียดสูงของภาพต้นฉบับเอาไว้
ความสามารถในการคงคุณภาพต้นฉบับนี้เองที่ทำให้เครื่องมือนี้โดดเด่น แม้ว่าซอฟต์แวร์ประมวลผลภาพที่มีอยู่เดิมสามารถเพิ่มความละเอียดให้ภาพถ่ายได้เช่นกัน แต่คุณภาพของภาพมักจะถูกลดทอนไปด้วย
ต้นฉบับ (ครอป)
Neural Network Upscaling Tool
(ครอปและปรับขนาด)
ประสิทธิภาพของ Neural Network Upscaling Tool สามารถเป็นไปได้เพราะมีเทคโนโลยีที่จำลองกระบวนการที่แสงถูกแปลงเป็นภาพ ซึ่งทำงานร่วมกับอัลกอริธึมการเรียนรู้เชิงลึกที่ได้รับการฝึกฝนโดยฐานข้อมูลภาพตัวอย่างปริมาณมหาศาลของ Canon
จึงมั่นใจได้ว่าภาพที่ได้จะมีความละเอียดสูง คุณจึงสามารถครอปภาพให้แน่นขึ้น พร้อมทั้งรักษาคุณภาพเดิม และแม้แต่พิมพ์ในฟอร์แมตขนาดใหญ่ก็ย่อมได้!
สิ่งที่จำเป็นในการใช้ Neural Network Upscaling Tool
1. พีซีที่ตรงตามข้อกำหนดของระบบ
2. ซอฟต์แวร์ Neural Network Upscaling Tool
3. การสมัครใช้งานแผนแบบชำระเงิน (ไม่มีค่าใช้จ่ายหากคุณสมัครใช้งาน Neural Network Image Processing Tool)
4. ไฟล์ JPEG หรือ TIFF ที่ตรงตามข้อกำหนด
ข้อกำหนดด้านระบบ
- Windows 10 64 บิต / Windows 11
- CPU: Intel Core ซีรีส์ i (แนะนำให้ใช้ Intel Core i7 ขึ้นไป)
- RAM: แนะนำให้ใช้ 16 GB ขึ้นไป
ข้อกำหนดด้านไฟล์ภาพ
- JPEG: ตรงตามมาตรฐาน Exif 2.2/2.21/2.3
- TIFF: ตรงตามมาตรฐาน Exif
- ความสูงและความกว้าง 400 ถึง 9999 พิกเซล สูงสุด 65 ล้านพิกเซล
อ่านข้อมูลเพิ่มเติมได้ในคู่มือการใช้งาน Neural network Upscaling Tool (ฉบับภาษาอังกฤษ)
