图片去马赛克算法很好，但AI研究人员发现了它固有的分辨率上限

据IEEE SPECTRUM网站6月23日报道，图片去马赛克算法很好,但AI研究人员发现了它固有的分辨率上限。

好莱坞影戏的科幻场景现在至少已经部门称为科学现实。你可能曾经看过：为了拯救世界，特工有时需要从很是模糊，颗粒状或像素化的图像中恢复出来高分辨率人脸照片。

[AI去马赛克算法生成的图像往往和原图像差很大]

现在，人工智能已经为这样的场景提供了部门（只管可能最终无济于事）方案。但这只能部门乐成，因为克劳德·香农（Claude Shannon）的信息熵理论总是笑到最后。正如一种新算法现在向所有人展示的那样，从低分辨率原始图像“升采样”的AI生成的有真实感的面部图象可能看起来与真人很是差别，甚至基础没有相似之处。

很是歉仄，源图像中的少数几个像素就包罗这么点信息。AI令人信服地渲染了虚构的面貌，盘算机生成的面貌与真人相去甚远，因为原始图像实际上是信息稀疏的。美国北卡罗来纳州达勒姆市杜克大学的盘算机科学教授辛西娅·鲁丁说，但这还不是故事的了局。她和她的同事们开发的AI算法可能另有其他价值。

[升采样技术在某些图片处置惩罚领域可以取得令人满足的效果]

对于初学者来说，鲁丁说：“我们已经证明你无法从模糊图像中举行人脸识别，因为存在许多可能性。因此，缩放和增强都不行能凌驾某个阈值水平。” 可是，鲁丁增补说，“PULSE（她的小组开发的Python软件）可能具有广泛的应用规模。它不仅仅只是个在去像素化的历程中泛起“过采样”问题的没用软件。（只管将其误用于面部识别目的一定会发生问题）。”鲁丁说，“毫无疑问，PULSE也有许多未开发的艺术和创意可能性。”

为了应对这一挑战，鲁丁和杜克大学的四位互助者通过潜在空间探索算法开发了他们的照片升采样工具（本月初在2020年盘算机视觉和模式识别集会上举行了演示）。

鲁丁说：“已往，许多算法都试图从低分辨率/高分辨率对比中恢复高分辨率图像。”可是据她说，这可能是错误的方法。此升采样问题的大多数实际应用将涉及仅会见低分辨率原始图像。那将是实验重新建立与低分辨率原始图像相同的高分辨率的起点。

鲁丁说：“当我们最终放弃实验提出基本事实时，我们便能够拍摄低分辨率的图片，并实验构建许多很是好的高分辨率图像。”她说，因此，只管PULSE看起来在面部识别应用上是失败的，但它仍然可以在处置惩罚自身模糊图像的领域中找到应用场所，其中包罗天文学，医学，显微镜和卫星图像。

[许多升采样的应用都是用AI画出不存在的细节]

鲁丁警告：只要使用PULSE的人都相识它会生成拥有广泛可能性的图像，而其中的任何一个都可能是模糊图像的源头，PULSE就有可能使研究人员更好地相识给定的想象空间。

举例来说，天文学家拍摄的黑洞图像很是模糊。联合生整天文图像的AI成像工具，PULSE可以渲染许多可能发生低分辨率照片的天体的物理场景。

现在，PULSE已针对人脸举行了优化，因为NVIDIA已经开发了可建立传神的人脸AI的“生成反抗网络”（GAN）。因此，PULSE团队开发的应用法式基于NVIDIA的StyleGAN算法。换句话说，PULSE提供了位于GAN之上的分类和浏览工具，它可以无意识地喷出无数的任何经由培训的图像。

鲁丁还认为在修建和设计领域可能有PULSE的应用场所。她说：“现在，StyleGAN还不具备其他功效。” “能够生成房间图片真是太好了。如果您只有几个像素，而它能够对整个房间举行全图显示。那肯定很棒。这种应用可能即将会到来。”

她说：“任何时候只要有了这种模型，就可以使用PULSE搜索整个空间。”而且只要搜索该空间时不会涉及设置为在“00:00”时爆炸的滴答定时炸弹，那么这个PULSE最终可能仍会打开更多的门，而不是炸开铰链。