| inviato il 11 Agosto 2025 ore 10:16
La domanda era un po' ironica, era abbastanza ovvio.
Così come è ovvio che l'esistenza di roba preaddestrata e dataset pubblici non possa portare a qualcosa di nemmeno lontanamente paragonabile né a Topaz, né ad alcun altro denoise commerciale basato sul DL.
Tanti saluti. |
| inviato il 11 Agosto 2025 ore 11:01
Ciao Erasmo,
hai valutato ComfyUI o cose simili ? |
| inviato il 11 Agosto 2025 ore 21:08
Perchè adesso tutti i programmatori sono "informatici"  |
| inviato il 13 Agosto 2025 ore 8:36
La cosa è diventata molto più complicata.
L'app non funziona con AI perché ha bisogno dei modelli e di ulteriori sviluppi .
Col semplice Denise promette di essere superiore al miglior denoise di GIMP, del quale può anche essere plug-in.
L'upscaling funziona bene, ma non mi sembra migliore di quello di GIMP.
I test continuano... |
| inviato il 14 Agosto 2025 ore 16:20
Seguo con piacere, ma anch'io non penso si riesca ad arrivare con ChatGPT e dataset pubblici ai livelli di AI denoising di Topaz e simili. Una volta chiesi a un mio professore una mano per l'addestramento di un modello di denoising, ma mi rispose che non era una cosa semplice da fare da soli e che avrei dovuto spendere mesi (se non anni) a creare solamente un dataset buono per poter iniziare quello che pensavo fosse un progettino per divertimento. |
| inviato il 14 Agosto 2025 ore 16:31
Bravo .. |
| inviato il 18 Agosto 2025 ore 21:00
“ La cosa è diventata molto più complicata.
L'app non funziona con AI perché ha bisogno dei modelli e di ulteriori sviluppi . „
No, vabbe'... 
Erasmo, lo dico con simpatia e stima: iImplementare applicazioni deep learning da zero richiede una conoscenza approfondita della teoria che c'è dietro (che è veramente tanta, tanta roba, anche a livello matematico) e un'ottima capacità operativa con librerie come tensorflow o pytorch; non si improvvisa dal nulla, neanche con l'aiuto di ChatGPT o altri LLM, e difficilmente puo' essere fatto da una persona sola. Hai scelto una sfida improba, come se uno dicesse "sabato sera voglio uscire con Bella Hadid, mi faccio spiegare da chatGPT come fare".
Tornando a noi, ci sono due problemi principali:
1) la disponibilità di un training set di qualita', annotato. Potrà sembrare strano, ma non è questa la difficoltà maggiore. Il database di Juza contiene quasi tre milioni di foto, assumiamo che la maggior parte sia ad un livello accettabile di pulizia tecnica (a fuoco, con il rumore sotto controllo, etc) e che Juza e i proprietari delle foto diano il consenso al loro utilizzo. Ognuna di queste foto costituisce l'"annotazione", cioe' il risultato che il modello DL dovrebbe ricotruire a partire dal dato. E il dato cos'è? Per ogni foto bisognerebbe aggiungere artificialmente rumore (Gaussiano, grana, movimento, sfuocato, etc) con molti gradi diversi. Ovviamente, trattandosi di milioni di immagini non lo faresti foto per foro muovendo i cursori di un SW di fotoritocco ma usando un programma che faccia tutto automaticamente, senza intervento umano, chiamando delle API di un SW open source. Poi, per ogni immagine ("dato" o "esempio") dovresti fare data augmentation, sempre automaticamente: invertire l'immagine specularmente, cambiare leggermente l'esposizione, cambiare la saturazione, etc. Ognuno di questi esempi sarebbe, agli occhi del modello DL, un dato diverso e avrebbe la stessa immagine annotata ("target"), quella di partenza. Cosi' facendo è facile introdurre un fattore 100x nel numero delle immagini: siamo quindi ad almeno 100 milioni di esempi annotati, bastano (e avanzano, secondo me).
Altre soluzioni ipotizzate non vanno bene, secondo me: Imagenet nasce per la classificazione (riconoscimento) di immagini, li' l'annotazione sono la categoria dell'oggetto rappresentato e la eventuale bounding box, inoltre si tratta di immagini a risoluzione molto inferiore a quella di nostro interesse. Modelli come ComfyUI servono per la generazione di immagini, non è il nostro scopo.
2) L'addestramento. Qui serve aprire il portafogli, o trovare sponsor molto generosi per pagare tempo macchina su servizi cloud tipo AWS di Amazon o similari, utilizzando GPU stato dell'arte come Nvidia H200/B200 o AMD MI300. Addestramento di questi modelli, con questi database, non si fanno con delle 5090 o altre GPU da gaming, per quanto potenti.
Questo andando a buon senso: il problema, secondo me, è che il denoising di immagini non ha per la comunità scientifica un interesse cosi' grande come ad es. la classificazione o la generazione di immagini, cosi' non so se esistono progetti open su questo (se qualcuno è a conoscenza potrebbe per favore condividere?). Ovviamente la cosa è di grande interesse commerciale per le case come come Adobe a le altre, che pero' altrettanto ovviamente si guardano bene dal rendere pubbliche le loro ricette.
Al solito, i miei 5 cents. |
| inviato il 18 Agosto 2025 ore 21:27
“ non so se esistono progetti open su questo „
Invece, da una veloce ricerca, risulta che qualcosa c'è, ad esempio
- Intel Open Image Denoise (https://www.openimagedenoise.org/)
- AI Image Denoiser (https://github.com/Cydral/AI-Image-Denoiser)
Se si ha familiarità con uso di API probabilmente è una strada percorribile. Ribadisco comunque che, a mio avviso, è un settore dell'AI/computer vision molto meno comune rispetto alla classificazione di immagini e localizzazione di oggetti.
Ovviamente, tutto questo non ha niente a che fare con algoritmi deterministici per il denoising, di cui esistono n-mila tipologie diverse, note e applicate da diversi decenni ormai (a partire dalle immagini dello Hubble Space Telescope nella pria meta' degli anni 90) |
| inviato il 18 Agosto 2025 ore 21:44
A grandi linee quoto quello che dice Illecitnom. Anche se si parlava di "esperimento"... quindi sono sicuro che è sicuramente mosso dalla curiosità e non bisogna mai tarpare le ali in questi casi
“ il denoising di immagini non ha per la comunità scientifica un interesse cosi' grande come ad es. la classificazione o la generazione di immagini „
Magari non ci sono i fondi e l'attenzione mediatica come per le GAI, ma in realtà c'è un buon interesse scientifico e industriale nelle implementazioni pratiche del denoising/image enhancement con DL. Nel campo medico è reputato abbastanza promettente ai fini di diagnosi clinica (nonostante ci siano discussioni etiche sulle possibili conseguenze di algoritmi mal implementati, ma onestamente vale con qualsiasi cosa che ha a che fare con l'AI) |
| inviato il 19 Agosto 2025 ore 7:08
“ - Intel Open Image Denoise (https://www.openimagedenoise.org/) „
Questo è ottimo e ben sviluppato ma è nato per il denoise di immagini generate con software 3d (lo usa ad esempio blender e altri software), che hanno un rumore particolare, differente da quello dei sensori fotografici.
Ma ho letto che può fare il training anche con altri dataset, magari si può ottimizzare per fargli fate un buon lavoro anche su immagini non strettamente nate nel 3d... |
Che cosa ne pensi di questo argomento?Vuoi dire la tua? Per partecipare alla discussione iscriviti a JuzaPhoto, è semplice e gratuito!
Non solo: iscrivendoti potrai creare una tua pagina personale, pubblicare foto, ricevere commenti e sfruttare tutte le funzionalità di JuzaPhoto. Con oltre 254000 iscritti, c'è spazio per tutti, dal principiante al professionista. |
Metti la tua pubblicità su JuzaPhoto (info) |
JuzaPhoto contiene link affiliati Amazon ed Ebay e riceve una commissione in caso di acquisto attraverso link affiliati.
