馬賽克的發明可以說是人類進步史上一次重大的倒車了,自馬賽克發明以來,如何去掉馬賽克一直是技術社區和民間共通的課題。 的人工智能 Brain 研究團隊近日對外公布了一項新技術,可以把一張隻有 8 x 8 像素的大顆粒圖片還原成相對清晰的圖片。
話不多說,先上一張圖看看他們的戰果:
上圖中左側是為給 AI 的壓縮後低分辨率圖片,中間是經過名為“像素遞歸超分辨率”(Pixel Super )技術處理之後的圖片馬賽克,右側是沒有經過壓縮的原圖。可以看到左側完全不知為何物的一團大餅,在中間經過 AI 的處理之後出現了可以分辨的五官。但是唯一的問題是,中間的人和右邊的原圖看起來還是有一定差距的,尤其是最下面的美女連嘴型和眼妝都發生了巨大的改變。
運算過程:就是神經網絡啊,簡直萬能,現在改名叫機器學習~\(≧▽≦)/~啦啦啦
這套深度學習算法的工作機制十分複雜,但如果簡化來說和大家玩你畫我猜的過程差不多:
首先算法要猜出原始圖片究竟是什麼——它是人臉或是培根——如果它判斷是人臉,那麼接下來一步則要表達出這是一張人臉。表達人臉的方法是從現有的圖片庫中找到高像素的人臉素材,将其中可能符合這個圖片的部分剪切出來拼湊成一張新的圖片。
這個過程中的兩個步驟分别調用了調節網絡( )和優先網絡(Prior ),前者先把素材庫裡的高清圖片全都壓縮成馬賽克圖片,然後一一和輸入計算機的馬賽克圖片對比;後者則根據對比結果預測這張圖片究竟是什麼東西,并指揮 (開源圖像生成模型)把對應的素材貼到合适的位置馬賽克,最終形成一幅“高清原圖”。
這個過程唯一的問題是,即便 AI 對圖片的大體内容猜測正确,也不可能 100% 猜中圖中每一處細節。尤其是對于面孔來說,能認清五官已經很不錯了,要對妝容進行還原就比較困難了。不過,在實際的測試中人臉圖片其實是一個還原效果比較好的類别,因為還原的成功率并不按照是否與原圖完全一緻計算,而是按照還原出來的圖片是否可辨認來計算。
在測試中,90% 被打馬賽克的人臉被成功還原,72% 被打馬賽克的卧室圖片被成功還原,這對于此類算法來說是一個十分驚人的成績。
有人擔心這項研究會被用于政府或其他機構對大衆進行跟蹤——就像你在美劇裡經常看到的那樣,主角在電腦前對着模糊的監控照片點了點鼠标,犯罪分子的高清照片就神奇的出現在了面前。但介于上文所講的那樣,這個算法的主要工作原理靠猜,所以在這一領域幾乎沒有任何用處。相比之下,可能普羅大衆最旺盛的那個去馬賽克需求能更好的實現一些。
不過,要是拿着世界頂級人工智能研究室的研究成果去開車, 可能會傷心吧。
其他運算照片:
那麼,可以得出結論,這趟車時速還是遠遠不夠啊。
------------------------------------------------------------------------
有話要說...