Många AI-modler är beroende av enorma mängder träningsdata för att fungera bra i verkliga scenarier, vilket gör dem tunga och dyra. Den nya forskningen presenterar en öppen modell som klarar sig bättre än de mest exklusiva alternativa lösningarna utan att kräva lika många resurser. Utvecklare skapade även ett nytt testbank med 464 bilder för att mäta hur väl olika system hanterar riktiga fel, som dimma och skrapor.

Studien avslöjar en intressande överraskning: den öppna lösningen placerade sig framför alla andra i tester bland fria verktyg. Detta bekräftar att man inte behöver betala för exklusive modeller om man har rätt teknik och data tillgångar. Framtiden för bildrengöring ser lovande ut även för dem som arbetar med begränsade resurser.

Författare: Yufeng Yang, Xianfang Zeng, Zhangqi Jiang, Fukun Yin, Jianzhuang Liu Källa: https://arxiv.org/abs/2603.25502