机器之心报导

编写：杜伟

美国加州大学凯里欧文校区的此项科学研究，使我们更希望将来更专业的五颜六色夜视镜。

在一些国防大面积中，战士戴着夜视镜搜索前进好像是免不了的场景。应用红外线在黑夜中观查的夜视系统通常将视物3D渲染成纯色图像。

彩色图库：flir.com

但是，在近期的一项科学研究中，美国加州大学凯里欧文校区的专家依靠深度神经网络 AI 技术性设计方案了一新方式，拥有这类方式，红外线视觉效果有利于在没光标准下见到场景中的由此可见颜色。

科学研究共同一作、美国加州大学凯里欧文校区技术工程师、外科医师和视觉效果生物学家 Andrew Browne 表明，「全世界许多位置都以大家赖以生存作出决定的形式开展颜色编号，例如信号指示灯。」

夜视系统是个充分必要条件。应用红外线点亮夜晚的夜视系统通常仅以翠绿色3D渲染场景，而不显示出在正常的光源下由此可见的颜色。一些较新的夜视系统应用超灵巧照相机变大能见光，但这种照相机几乎不可以表明出黑暗自然环境中沒有光可变大的颜色。

Andrew Browne

因而，在此项探究中，学者推论，授予物件能见光的每一种染剂和色浆不但反射了一组由此可见光波长，并且很有可能反射一组红外线光波长。那麼，假如能练习一个可以鉴别每一种染剂和颜色的红外线指纹识别的夜视系统，则可以应用与每一种染剂和色浆有关的能见光来表明图像。

设计效果图

现阶段，有关文章已在刊物 PLOS ONE 上发布。

毕业论文详细地址：https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0265185

此项科学研究是以不可以觉察的近红外光谱仪照明灯具中预测分析人们可见光谱场景的第一步。下面的工作中可以很大程度地推动各种各样运用，例如夜视系统和对能见光比较敏感的微生物样版科学研究。

研究简述

人们可以认知 400-700nm 可见光谱中的光。一些夜视系统应用人们没法认知的红外线，将3D渲染后的图像变换到数显计数器上，最终在可见光谱中展现纯色图像。

学者要想开发设计一种由提升深度神经网络构架推动的三维成像优化算法，进而可以应用场景中的红外光谱分析阳光照射来预测分析该场景中的可见光谱3D渲染，就像是人们应用可见光谱光认知它一样。当人们处在彻底「黑喑」并仅有红外线直射时，她们可以以数字化方法3D渲染可见光谱场景。

图像解决总体目标。仅应用红外线照表明的图像与应用深度神经网络解决 NIR 数据信息后的可见光谱图像较为。

Andrew Browne 表明，「纯色照相机对它所看见的场景中反射的一切光量子都很比较敏感。因而，大家应用可调式灯源将光照射场景上，并应用纯色照相机捕获在任何不一样照明灯具颜色下从该场景反射的光量子。」

因此，学者选用了一个对能见光和近红外线比较敏感的纯色照相机，在遮盖规范由此可见红色光（604nm）、红光（529nm）和高清蓝光（447nm）及其红外线光波长（718、777 和 807 nm）的多光谱仪照明灯具下收集脸部打印出图像的图像数据。然后，她们对具备类 U-Net 构架的卷积神经网络开展提升，以仅从近红外光谱仪图像中预测分析可见光谱图像。

面部人像库文件的实例图像。

然后，学者将三张红外线图像与五颜六色图像匹配，以练习一个人工智能技术神经元网络来对场景中的颜色开展预测分析。在经过训练并提高特性以后，该神经元网络可以从三张看上去十分贴近真正物件的红外感应图像中复建五颜六色图像。下面的图左为用可见光谱的真彩色，图右为深度学习算法扶持下的五颜六色。

Andrew Browne 说到，「在我们提升红外线安全通道或红外线颜色总数时，它会给予更多的数据信息，大家也可以能够更好地预测分析具体看上去十分贴近真正图像的应是啥。我们在此项探究中明确提出的方式 可以用于获得三种不一样红外线颜色的图像，这三种颜色人的眼睛没法见到。」

但是，学者只在印刷的彩色相片上测验了他俩的计算方法和技术性。她们正谋求将这种优化算法和关键技术于短视频，并最后运用于真实的世界的物品和人们行为主体。

参照连接：

https://spectrum.ieee.org/night-vision-infrared

https://www.popsci.com/technology/ai-infrared-night-vision-in-color/

IJCAI 2022 - Neural MMO 大量 AI 精英团队存活争霸赛

4月14日，由超参数高新科技进行，协同学术界MIT、北京清华大学深圳国际研究生及其著名数据分析科学考验服务平台 AIcrowd 一同承办的「IJCAI 2022-Neural MMO 大量 AI 精英团队存活争霸赛」全面启动。

这届比赛以「找寻将来对外开放新天地的最牛 AI 精英团队」为主题风格，根据在 Neural MMO 的规模性多智能体自然环境中探寻、寻找和作战，得到比别的参赛选手更高一些的造就。赛事还设定新的标准，评定智能体应对新地图和不一样敌人的对策可扩展性，在 AI 精英团队中引进协作和人物角色职责分工，丰富多彩了赛事內容，提高了挑战性。