ทีมวิจัยปัญญาประดิษฐ์ของแอปเปิล เผยแพร่งานวิจัย Depth Proโมเดล AI ที่สามารถสร้างแผนที่ความลึกของรูปภาพแบบสามมิติ จากอินพุทที่เป็นรูปภาพสองมิติได้ในเวลาไม่ถึงหนึ่งวินาที โดยไม่ต้องอาศัยข้อมูลเพิ่มเติมของกล้องที่บันทึกภาพ

โมเดล Depth Pro ทำงานโดยอาศัยการคาดเดาความลึกของภาพ ผ่านการเทรนด้วยชุดข้อมูลที่เป็นภาพความละเอียดสูง ทำให้สามารถแยกแยะขอบแต่ละวัตถุ ออกมาเป็นการให้ระดับความลึกแต่ละตำแหน่งได้เลยจากภาพ

จุดเด่นของ Depth Pro คือความเร็ว โดยสามารถสร้างแผนที่สามมิติของภาพความละเอียดสูงขนาด 2.25 เมกะพิกเซล ได้ในเวลา 0.3 วินาที ใช้จีพียูมาตรฐาน 1 ตัวเท่านั้น โมเดลนี้จึงสามารถนำไปประยุกต์ใช้กับงานที่ต้องการประเมินความลึกของภาพ เช่น AR หรือแม้แต่รถยนต์ไร้คนขับ

Emil Wallner นักวิจัยปัญญาประดิษฐ์ได้สร้างเว็บไซต์ Palette.fm ซึ่งมีระบบปัญญาประดิษฐ์ที่เขาพัฒนาขึ้น สามารถเปลี่ยนภาพขาวดำที่ถูกอัพโหลดขึ้นไป ให้กลายเป็นภาพสีได้ภายในคลิกเดียว นอกจากนี้ผู้ใช้ยังสามารถแก้ไขข้อความบรรยายภาพเพื่อปรับแต่งภาพสีที่ได้ให้มีลักษณะตรงความต้องการได้มากขึ้นด้วย

Pellete.fm จะเรียนรู้วัตถุในภาพที่มันได้รับและทายว่าวัตถุนั้นมีสีอะไรตามธรรมชาติโดยอาศัยข้อมูลจากที่มันได้รับการเทรนมา Wallner อธิบายว่าเขาสร้างโมเดลปัญญาประดิษฐ์ขึ้นมา 2 โมเดล โมเดลแรกจะดูภาพและสร้างข้อความบรรยายภาพนั้นขึ้นมา ส่วนโมเดลที่ 2 จะใช้ข้อความที่ถูกสร้างขึ้นประกอบกับภาพขาวดำที่ถูกป้อนให้มันมาประมวลรวมกันเพื่อเปลี่ยนภาพดังกล่าวให้เป็นภาพสี

มีรายงานว่าแอปเปิลได้ซื้อกิจการสตาร์ทอัพจากอังกฤษ Spectral Edge ด้วยมูลค่าที่ไม่เปิดเผย อย่างไรก็ตามแอปเปิลไม่ได้ออกมายืนยันถึงดีลดังกล่าวแบบในอดีต แต่สำนักข่าว Bloomberg ยืนยันแหล่งข่าวและเอกสารว่าดีลนี้เกิดขึ้นแล้ว

Spectral Edge เป็นผู้พัฒนาอัลกอริทึมสำหรับปรับปรุงภาพถ่ายให้มีความคมชัดมากขึ้น มีสีที่ถูกต้องมากขึ้น ในระดับเรียลไทม์ คาดว่าแอปเปิลจะนำเทคนิคนี้มาใช้กับกล้องของ iPhone

ที่มา: 9to5Mac

ภาพ Lena Söderberg นางแบบนิตยสาร Playboy ที่ตีพิมพ์เป็นภาพกลางเล่มนิตยสารฉบับพฤศจิกายน 1972 และในปี 1973 ระหว่างทีมวิจัยใน University of Southern California กำลังพัฒนาอัลกอริธึมในการบีบอัดภาพที่เป็นต้นกำเนิดของ JPEG ทีมวิจัยก็ตัดสินใจใช้ภาพกลางเล่มนิตยสาร Playboy วันนี้สารคดี Losing Lena แสดงปัญหาว่าการใช้ภาพ Lena โดยไม่ได้ใส่ใจ ส่งผลต่อการผลักดันผู้หญิงออกจากวงการวิทยาการศาสตร์อย่างไร

หลังจากนั้นทีมวิจัยส่งต่อภาพสแกนให้ทีมวิจัยอื่นเพื่อทดสอบประสิทธิภาพของอัลกอริธึมเพื่อมาเทียบผลกัน เนื่องจากภาพของ Lena เป็นภาพตัวอย่างที่ดีภาพหนึ่งในยุคนั้น จากการเป็นภาพพอตเทรตที่ต้องไล่สีผิว มีรายละเอียดทั้งผมและใบหน้า

มีรายงานจากสื่อในเดนมาร์ก ว่าแอปเปิลได้เข้าซื้อกิจการสตาร์ทอัพ Spektral ซึ่งเชี่ยวชาญการทำ Machine Learning ตัดและซ้อนภาพฉากหลัง (Green Screen) แบบเรียลไทม์ โดยดีลดังกล่าวมีมูลค่าราว 30 ล้านดอลลาร์ และปิดดีลกันไปตั้งแต่ปีที่แล้ว

Toke Jansen หนึ่งในผู้ร่วมก่อตั้ง ปัจจุบันมีตำแหน่งเป็นผู้จัดการฝ่าย Computational Imaging ที่แอปเปิล

Spektral เป็นสตาร์ทอัพที่เน้นด้านเทคโนโลยีการแยกวัตถุหลักออกจากพื้นหลังในวิดีโอ ซึ่งสามารถทำงานได้ถึงระดับ 60fps นอกจากนี้ยังสามารถซ้อนภาพฉากหลังอื่นเข้ามาแทนที่ เหมือนกับเทคโนโลยีฉากหลังสีเขียวในรายการโทรทัศน์

นักวิจัยจาก Nvidia, MIT และ Aalto University ได้ร่วมกันพัฒนาระบบจัดการลบสัญญาณรบกวนหรือน้อยส์จากภาพถ่ายโดยใช้ AI จากการใช้ ImageNet จำนวนกว่า 5 หมื่นภาพ, ภาพถ่ายที่ถูกสร้างขึ้นจากคอมพิวเตอร์และ MRI เป็น dataset สำหรับใช้เทรน ซึ่งตัว AI นี้สามารถจัดการกับน้อยส์และให้ภาพถ่ายที่มีคุณภาพที่ดีออกมาได้

ระบบ AI นี้มีชื่อว่า Noise2Noise ถูกสร้างขึ้นโดยใช้ deep learning เมื่อใส่ภาพแบบเป็นน้อยส์ไปแล้ว ตัว AI จะให้ภาพที่มีคุณภาพสูงออกมาได้ ซึ่งภาพจาก ImageNet นี้ทีมวิจัยได้ใส่ randomized noise เข้าไปเพื่อใช้ในการเทรน และทีมวิจัยคาดว่าวิธีนี้สามารถนำไปใช้เพื่อจัดการภาพถ่ายที่มีน้อยส์ปริมาณมากอย่างเช่นภาพถ่ายอวกาศ ไปจนถึงสัญญาณอื่น ๆ อย่างเช่น MRI ก็ได้

Facebook เผยแพร่งานวิจัย ของระบบในการแก้ไขภาพถ่าย ที่ผู้ถูกถ่ายภาพเผลอหลับตา โดยสามารถเติมดวงตาเข้าไปได้ด้วย AI อาศัยข้อมูลพื้นฐานจากภาพถ่ายอื่นประกอบ ซึ่งแตกต่างจากงานแก้ไขภาพแบบอื่น ที่มักอาศัยองค์ประกอบโดยรอบในภาพ แต่หากคนในภาพหลับตาแล้ว ก็จำเป็นต้องใช้ข้อมูลอดีตมาช่วย

วิธีการแก้ไขภาพนี้อาศัยเครือข่ายแบบ Generative Adversarial Networks (GAN) ทำให้เรียนรู้ได้ว่าดวงตาที่ควรนำไปใส่ในภาพที่ต้องการแก้ไข เป็นของใคร และควรปรับสี และรูปทรงให้เข้าภาพนั้นอย่างไร

ดาวน์โหลดเปเปอร์เพิ่มเติมได้ที่นี่

Google พัฒนาปัญญาประดิษฐ์ให้วิเคราะห์ภาพจากกล้องจุลทรรศน์ ด้วยการเรียนรู้ภาพเนื้อเยื่อเซลล์มะเร็งที่ผ่านการวินิจฉัยจากแพทย์มาแล้วมากมาย มันสามารถมองภาพที่ถ่ายมาใหม่ๆ แล้วแยกแยะได้ว่าตรงไหนเป็นเนื้อร้ายที่กลายเป็นเซลล์มะเร็ง หรือเนื้อเยื่อส่วนไหนที่มีความผิดปกติ

สิ่งที่ปัญญาประดิษฐ์ของ Google ทำนี้ คือการช่วยแบ่งเบาภาระหน้าที่ของพยาธิแพทย์ เมื่อถาดใส่เนื้อเยื่อสำหรับการวิเคราะห์ถูกใส่เข้ามาในกล้องจุลทรรศน์ที่ได้รับการดัดแปลงพิเศษ ภาพของเนื้อเยื่อนั้นจะถูกสะท้อนด้วยกระจกไปยังหน่วยประมวลผลปัญญาประดิษฐ์ด้วย ในขณะที่โปรแกรมทำการวิเคราะห์ภาพเนื้อเยื่อที่อยู่ในกล้องจุลทรรศน์ มันจะแสดงผลเป็นภาพ AR ปรากฏบนหน้าจอสะท้อนไปยังตาของผู้ใช้ที่กำลังจับจ้องผ่านช่องส่องภาพของกล้องจุลทรรศน์

ปีที่แล้ว อินเทลซื้อ Movidius เจ้าของชิปประมวลผลภาพ Vision Processing Unit (VPU) วันนี้ชิปตัวนี้เปิดตัวอย่างเป็นทางการในชื่อว่า Movidius Myriad X

Myriad X เป็น SoC ที่มีเอนจิน Neural Compute Engine แยกเฉพาะสำหรับงานประมวลผล deep learning ที่ระดับฮาร์ดแวร์ ช่วยให้ประสิทธิภาพงาน deep learning เพิ่มสูงขึ้น (ที่ระดับ 1 TOPS - trillion operations per second) โดยยังรักษาคุณสมบัติเรื่องประหยัดพลังงานเอาไว้

กลุ่มเป้าหมายของ Myriad X มีตั้งแต่รถยนต์ไร้คนขับ โดรน หุ่นยนต์ กล้องวงจรปิด และแว่น VR ตัวมันรองรับภาพจากกล้องความละเอียด HD จำนวนสูงสุด 8 ตัวพร้อมกัน สามารถประมวลผลสัญญาณภาพได้ 700 ล้านพิกเซลต่อวินาที

คงจะเคยดูหนังหรือละครต่างประเทศแนวสืบสวนสอบสวนกันมาบ้าง หลายครั้งที่เราเห็นฉากการตามหาคนแล้วดึงภาพมาจากกล้องวงจรปิด หรือกล้องมือถือที่ไหนสักแห่งแล้วเห็นภาพบุคคลเป้าหมายเบลอๆ เห็นแค่เม็ดพิกเซลเหมือนภาพโมเสค จากนั้นเจ้าหน้าที่ก็ซูมภาพ ซูมแล้วซูมอีก แล้วใช้ซอฟต์แวร์ปรับแต่งภาพให้มีความคมชัดขึ้น จากภาพเบลอๆ เหลี่ยมๆ ก็กลายเป็นภาพใบหน้าคนที่มีความคมชัดขึ้น วันนี้อยากบอกให้รู้ว่าเรื่องพวกนี้มันไม่ได้ขี้โม้เกินจริงสักเท่าไหร่เลย ตัวอย่างโปรแกรมของชายที่ชื่อ David Garcia พิสูจน์เรื่องนี้ให้เห็นได้อย่างดี

Google พัฒนา PlaNetปัญญาประดิษฐ์ที่สามารถเดาได้ว่าภาพถ่ายที่มันเห็นถูกถ่ายจากที่ไหนบนโลก โดยอาศัยข้อมูลจากสิ่งที่ปรากฏในภาพเท่านั้น ไม่ต้องใช้ข้อมูลแท็กสถานที่ (geotag) ของภาพถ่าย

Tobias Weyand ผู้เชี่ยวชาญด้านคอมพิวเตอร์วิทัศน์ของ Google คือผู้นำทีมในการพัฒนา PlaNet พวกเขาสอนให้มันรู้จักภาพถ่ายจากสารพัดสถานที่กระจายกันรอบโลกถึง 126 ล้านภาพ ซึ่งผลลัพธ์ที่ได้ก็ทำให้ PlaNet สามารถระบุสถานที่ที่แต่ละภาพถูกถ่ายมาได้แม่นยำกว่าคนมาก

ปลายปีที่แล้ว กูเกิลเปิดให้นักพัฒนาภายนอกบริษัทเข้าถึงฟีเจอร์การแยกแยะรูปภาพแบบเดียวกับใน Google Photos โดยใช้ชื่อว่า Cloud Vision API แต่ยังจำกัดการทดสอบเฉพาะกลุ่มอยู่

วันนี้กูเกิลเปิดให้ใครก็ได้ที่สนใจ สามารถเขียนโปรแกรมส่งภาพผ่าน API เพื่อให้ระบบปัญญาประดิษฐ์แยกแยะภาพได้แล้ว รวมถึงประกาศ ราคาค่าใช้งาน โดยคนที่ใช้ต่ำกว่า 1,000 ภาพต่อเดือนสามารถใช้ได้ฟรี ถ้าใช้มากกว่านั้นเริ่มต้นที่ 2.5 ดอลลาร์ต่อ 1,000 ภาพต่อเดือน (ราคาขึ้นกับว่าแยกแยะหาข้อมูลอะไรในภาพ)

Omron เปิดตัว โครงการ Sensing Egg ชุดกล้องวงจรปิดที่มี API ระดับสูงให้นักพัฒนาภายนอกสามารถพัฒนาแอพพลิเคชั่นใหม่ๆ ลงไปได้

API ที่มีในกล้องชุดนี้ได้แก่ ตรวจจับใบหน้า, จดจำใบหน้า, คาดเดาเพศ, คาดเดาอายุ, วัดอารมณ์จากใบหน้า, ทิศทางการหัน, ทิศทางสายตา, ตำแหน่งของตา, ตรวจจับมือ, ตรวจจับร่างกายคนในภาพ, ตรวจจับสัตว์เลี้ยงและจดจำใบหน้าสัตว์เลี้ยง

ตัวกล้องมาพร้อมกับ SDK ให้นักพัฒนาภายนอกช่วยกันคิดว่าจะใช้ความสามารถเหล่านี้ทำอะไรได้บ้าง โดยทาง Omron พัฒนาแอพพลิเคชั่นสองตัวมาพร้อมกับกล้อง ได้แก่

งานวิจัยของ MIT ที่ได้รับความร่วมมือจาก Google อาจกลายเป็นหนึ่งฟีเจอร์สำคัญของกล้องและสมาร์ทโฟนในอนาคต ด้วยการใช้อัลกอริทึมของงานวิจัยนี้ ทำให้การถ่ายภาพหน้ารั้วตาข่าย หรือถ่ายวิวนอกห้องผ่านกระจกหน้าต่าง จะได้ภาพชัดที่ไม่ถูกบดบังด้วยภาพของรั้วหรือเงาสะท้อนในกระจกอีกต่อไป

หลังจากออกรุ่น OpenCV 2.4.x มาอย่างยาวนาน เมื่อวันที่ 4 มิถุนายนที่ผ่านมา ทางทีมงาน OpenCV ได้ประกาศออกรุ่น OpenCV 3.0 เรียบร้อยแล้ว ในรุ่นนี้ได้เพิ่มฟังก์ชันการประมวลผลภาพและปรับปรุงเวลาการประมวลผลให้เร็วขึ้น อีกทั้งมีเสถียรภาพมากขึ้นด้วย นอกจากส่วนหลักของ OpenCV 3.0 แล้ว ยังมีส่วนขยายเพิ่มเติม โดยเพิ่มฟังก์ชันใหม่ต่างๆ ที่อาจจะยังไม่มีเสถียรภาพมากเพียงพอ หรือยังไม่ผ่านการทดสอบที่เพียงพอที่จะนำเข้าโครงการหลัก จะปรากฏในส่วนของ opencv_contrib

ส่วนที่น่าสนใจในเวอร์ชันนี้คือ

เดือนที่แล้วไมโครซอฟท์สร้างความฮือฮาไปทั่วโลกด้วยเว็บ How-Old.net อัพโหลดภาพเพื่อทายอายุ (ซึ่งเป้าหมายจริงๆ คือโชว์ความสามารถของ Azure Machine Learning)

เดือนนี้ไมโครซอฟท์กลับมาอีกครั้งกับเว็บคล้ายๆ กันชื่อ TwinsOrNot.net อัพโหลดภาพไป 2 ภาพเพื่อตรวจสอบว่าเป็นฝาแฝดกันหรือไม่

ในแง่การใช้งาน เว็บนี้อาจไม่ต่างไปจาก How-Old.net มากนัก แต่จุดที่น่าสนใจจริงๆ คือเบื้องหลังการสร้างเว็บนี้ เพราะ Mat Velloso วิศวกรของไมโครซอฟท์ใช้เวลาแค่ 4 ชั่วโมง โดยใช้ Face API ของไมโครซอฟท์ เขียนเว็บด้วย ASP.NET MVC และรันทั้งหมดบน Azure

จำได้ไหม? พวกเราจำได้ใช่ไหม? ปีที่แล้ว Google เผยแพร่งาน วิจัยการใช้โครงข่ายประสาทเทียมที่เรียนรู้จนสามารถแยกแยะวัตถุที่เห็นในภาพต่างๆ ได้ ล่าสุด Microsoft ก็โชว์ผลงานลักษณะเดียวกันนี้ให้เห็นบ้าง โดย Microsoft อ้างว่านี่เป็นครั้งแรกที่ระบบซอฟต์แวร์สามารถเอาชนะมนุษย์ได้สำเร็จในการแยกแยะวัตถุในภาพ

ไมโครซอฟท์ รีเสิร์ช อัพเดต Image Composite Editor (ICE) แอพทำภาพพาโนรามา จากรุ่น 1.4.4 เป็นรุ่น 2.0 โดยแอพรุ่นล่าสุดมากับส่วนติดต่อผู้ใช้ (UI) ใหม่หมด เพิ่ม Image Autocomplete ฟีเจอร์เติมเต็มส่วนของภาพที่หายไปหลังการรวมภาพ (ดูภาพเปรียบเทียบที่ท้ายข่าวประกอบ) และฟีเจอร์ทำภาพพาโนรามาจากวิดีโอ สนับสนุนซีพียู 64 บิต เป็นต้น

ดูคลิปนำเสนอแอพได้ที่ท้ายข่าว และดาวน์โหลดแอพได้จากที่มาของข่าวครับ

ที่มา: WinBeta

ผลของการจับเอางานวิจัยด้านการรู้จำและแยกแยะวัตถุในภาพของ Google มารวมพลังกับงานวิจัยด้านภาษาธรรมชาติของ Stanford ทำให้ได้ระบบซอฟต์แวร์ที่สามารถทำความเข้าใจองค์ประกอบของภาพถ่าย และบรรยายออกมาเป็นประโยคด้วยถ้อยคำที่เป็นธรรมชาติ

ไมโครซอฟท์มีแอพชื่อ Office Lens บน Windows Phone ใช้สำหรับถ่ายภาพเอกสารแล้วแปลงเป็นโน้ตของ OneNote ( ข่าวเก่า ) ล่าสุดไมโครซอฟท์อัพเกรดความสามารถของมันเพิ่มเติม ให้สามารถถ่ายภาพเอกสารแล้วแปลงเป็นไฟล์ Word หรือ PowerPoint ได้ด้วย

หลักการทำงานของมันคือใช้เทคนิค image processing ช่วยแปลงเอกสารที่อาจถ่ายมุมเอียง กลับมาเป็นเอกสารที่ถูกสแกนมาแบบแนวราบ จากนั้นใช้เทคนิค OCR แปลงข้อความบนเอกสารเป็นไฟล์ข้อความ โดยยังคงรักษาฟอร์แมตของเอกสารเอาไว้ (ทำได้แม้กระทั่งตาราง) แนะนำให้ดูภาพและวิดีโอประกอบ

เทคโนโลยีการใช้ระบบคอมพิวเตอร์มาจดจำภาพใบหน้าของมนุษย์เพื่อแยกแยะจำแนกบุคคลนั้นว่าน่าทึ่งแล้ว แต่เทคโนโลยีในห้องวิจัยนั้นยังคงเดินหน้าต่อไปเรื่อยจนถึงขนาดที่ว่าระบบคอมพิวเตอร์สามารถระบุได้ว่าวัตถุต่างๆ ที่ปรากฏในภาพถ่ายที่มันมองเห็นนั้นคืออะไร

Google ได้เล่าเรื่องราวเกี่ยวกับการประกวด ILSVRC ซึ่งจัดขึ้นเพื่อให้ผู้เข้าร่วมแข่งขันนำเอาระบบซอฟต์แวร์จำแนกและระบุตำแหน่งวัตถุสิ่งของในภาพมาทำการแข่งขันเปรียบเทียบประสิทธิภาพกันใน 3 หมวด อันได้แก่ "การแยกแยะ", "การแยกแยะและระบุตำแหน่ง" และ "การตรวจจับ" ซึ่งในปีนี้ทีมวิจัยของ Google ที่มีชื่อว่า GoogLeNet ได้รับรางวัลชนะเลิศจากงานนี้ในหมวดแรกและหมวดสุดท้าย

Baidu ระบุว่ากำลังสร้าง "ซูเปอร์คลัสเตอร์" ระบบคลัสเตอร์ที่ใหญ่ที่สุดในโลก เพื่อมาคำนวณระบบ image recognition เพื่อรองรับตลาดไอทีที่เปลี่ยนไปจากข้อความสู่ยุคของข้อมูลภาพ/เสียง

คอมพิวเตอร์รุ่นนี้ของ Baidu จะแรงกว่าคอมพิวเตอร์ "Google Brain" ที่กูเกิลสร้างขึ้นในปี 2012 ถึง 100 เท่า โดยหัวหน้านักวิทยาศาสตร์ของโครงการนี้คือ Andrew Ng อดีตนักวิทยาศาสตร์ของกูเกิลผู้เชี่ยวชาญเรื่อง deep learning ที่ย้ายกลับไปอยู่กับบริษัทจีน (อ่านเรื่องนี้ได้ที่ Thai Robotics ) นอกจากนี้ถ้าเทียบกับคลัสเตอร์ AI ของมหาวิทยาลัยสแตนฟอร์ดก็ดีกว่ากัน 10 เท่า

แม้ข่าวนี้จะมาช้าไปหน่อย (ราว 2 สัปดาห์) แต่ก็ถือว่าควรค่าแก่การติดตาม กับผลงานการวิจัยจาก MIT เกี่ยวกับเทคนิคที่เรียกว่า Visual Microphone ซึ่งสามารถถอดรหัสเสียงจากคลิปวิดีโอที่ถ่ายภาพวัตถุในบริเวณที่มีเสียงนั้น

เราคงพอรู้จักเทคนิคการอ่านปากจากในหนังหรือตามข่าวต่างๆ ถึงความสามารถในการเข้าใจคำพูดของบุคคลได้โดยพิจารณาจากลักษณะริมฝีปากของผู้พูด และนั่นทำให้เรารู้ได้ว่าเขากำลังพูดว่าอะไรแม้ว่าในความจริงแล้วเราจะไม่ได้ยินเสียงพูดนั้น แต่ผลงานวิจัยของ MIT นั้นล้ำไปกว่านั้น เพราะอัลกอริธึมของงานวิจัยนี้สามารถรู้ถึงเสียงพูดได้โดยการวิเคราะห์การสั่นไหวของวัตถุซึ่งอยู่ในสถานที่นั้น

จากข่าว Amazon เตรียมเปิดตัวสมาร์ทโฟน 3D Phone 18 มิถุนายนนี้ โดยตัวโทรศัพท์นั้นมีเทคโนโลยีตรวจจับใบหน้าจากกล้องที่ติดอยู่รอบตัวเครื่อง

เว็บไซต์ TechCrunch ได้ข้อมูลที่ยังไม่ได้รับการยืนยันว่า Amazon นำเทคโนโลยีตรวจจับใบหน้าชื่อ OKAO Vision ของบริษัท OMRON จากญี่ปุ่นมาดัดแปลงอีกต่อหนึ่ง

เอกสารงานวิจัยที่เพิ่งได้รับการเผยแพร่ใหม่ระบุว่า ภาพถ่ายดิจิทัลแต่ละภาพมีลักษณะเฉพาะซึ่งรวมถึงรูปแบบของ noise ที่เกิดในภาพแตกต่างกันออกไป ซึ่งอาจทำให้ระบุได้ว่าภาพถ่ายนั้นถูกถ่ายโดยใคร และงานวิจัยนี้อาจเป็นประโยชน์ต่องานสืบสวนหาผู้กระทำผิด (เช่น ถ่ายภาพอนาจารเด็ก, ขโมยสมาร์ทโฟนแล้วมาใช้งานถ่ายภาพ) ในอนาคต