AI Mengekalkan Objek Tak Terlihat dalam Kegelapan Total Menggunakan Jaringan Saraf Dalam
- Peneliti MIT menggunakan jaringan saraf dalam untuk mengungkapkan objek tak terlihat dalam kegelapan total.
- Ia dapat citra sel dan jaringan biologis tanpa mengekspos mereka pada sinar berbahaya dan cahaya intens.
Sebagian besar sistem citra hanya menghasilkan data yang distorsi atau parsial tentang objek yang dicitrakan. Ini terutama terjadi karena kurangnya informasi fase, kehilangan frekuensi spasial, noise dalam iluminasi, dan pencitra yang tidak diketahui dalam jalur optik.
Selama beberapa tahun terakhir, teknik machine learning yang disebut jaringan saraf dalam telah menarik perhatian yang banyak dalam bidang citra komputasi. Ia telah terbukti sebagai pemecah yang efisien dalam berbagai aplikasi, termasuk citra hantu, optik adaptif, mikroskopi iluminasi adaptif, pengambilan fase, tomografi optik, dan citra yang diundersample.
Pertama kalinya, tim peneliti MIT telah menggunakan jaringan saraf dalam untuk menyelesaikan masalah pengambilan fase koheren yang dipengaruhi oleh noise pada berbagai level. Dalam bahasa sederhana, mereka telah menemukan metode untuk mengungkapkan objek tak terlihat dalam kegelapan total.
Ini sangat berbeda dari teknik 'night-mode' berbasis AI yang ada di smartphone Google Pixel 3, yang dapat menangkap beberapa citra yang berdesis dan menghasilkan foto yang jelas, tetapi membutuhkan beberapa cahaya untuk memulai. Teknik MIT, di sisi lain, bekerja di ruang yang sepenuhnya gelap. Ia hanya membutuhkan satu foton per piksel.
Bagaimana Mereka Melakukannya?
Peneliti pertama kali menangkap citra objek target dalam kondisi hampir gelap gulita. Kemudian mereka merekreasi objek transparan dari citra ini. Untuk melakukan ini mereka menggunakan jaringan saraf dalam, yang dilatih untuk mengenali lebih dari 10.000 etching kaca transparan dari citra gelap dan berdesis yang tak terlihat oleh mata manusia.
Referensi: Physical Review Letters | doi:10.1103/PhysRevLett.121.243902 | MIT
Citra itu sendiri, yang diambil di ruang gelap, terlihat seperti noise statis yang dapat Anda lihat di televisi. Jaringan saraf dilatih pada citra ini bersama dengan pola yang sesuai di bawah noise visual.
Secara bertahap, jaringan belajar untuk memahami noise visual. Akhirnya ia menghasilkan citra yang kabur. Untuk membuat citra ini lebih jelas, tim menambahkan lapisan yang dapat memfokuskan output.
Kredit para peneliti
Pada gambar di atas, Anda dapat melihat citra gelap (kiri atas), yang dihasilkan dari etching transparan (kanan jauh). Peneliti menggunakan algoritma fisika berdasarkan perilaku cahaya untuk merekreasi objek (kanan atas). Teknik machine learning membuat citra yang cukup kabur (kiri bawah). Mereka menggabungkan baik algoritma fisika dan teknik machine learning untuk merekonstruksi citra paling akurat (kanan bawah) dari objek/scen aktual.
Manfaatnya Apa?
AI dapat digunakan untuk menerangi fitur transparan seperti sel biologis dan jaringan, dalam citra yang diambil dengan cahaya sangat rendah. Sel dapat mudah terbakar atau rusak jika mereka diekspos pada cahaya intens, dan kemudian tidak akan ada yang tersisa untuk dicitrakan. Juga, ketika pasien diekspos pada sinar X, mereka memiliki kemungkinan untuk mengembangkan kanker.
Baca: Apakah Ada Hal yang Disebut Foton Gelap | Partikel Hipotetis
Studi ini dapat membantu dalam kasus seperti itu: peneliti telah membuatnya mungkin untuk mendapatkan kualitas citra yang sama dengan mengekspos sel dan jaringan pada lebih sedikit foton. Ini secara signifikan mengurangi kerusakan pada spesimen biologis saat mengambil sampel. Selain itu, teknologi ini dapat menawarkan berbagai aplikasi yang potensial berguna di bidang citra astronomi.
