美图秀秀马赛克能还原吗(马赛克能还原吗?)

作者|贝爽

转自:雷锋网。com (leiphone-sz)

地址:https://arxiv.org/pdf/2003.03808.pdf

像素不够，后期修图补？

在知乎上搜索低像素修图，结果就是要刷的帮助帖太多了，从PS技能、外挂神器到各种修图app教程那么多，关键是不知道会怎么样。

不过最近杜克大学的研究团队开发了一款AI修图黑科技脉冲，可以解决所有低像素的烦恼。据说可以将图像的原始分辨率放大64倍，任何画质都可以秒变高清逼真的图像，甚至马赛克人脸图像、毛孔、皱纹、头发都可以清晰还原。

一个

几秒钟内拼接高清人像

PULSE是一种新的超分辨率算法，通过potential 空 exploration对照片进行采样，可以将16×16像素的低分辨率(LR)放大到1024×1024像素的高分辨率(HR)，几秒钟内放大64倍，而传统方法最多只能放大8倍。

让我们来看一组例子。修图中最难处理的LR爆头，可以在脉冲后几秒内变成高清细腻的图像。

更重要的是，PULSE可以定位人脸的关键特征，生成一组分辨率更高的相似细节。在画面中，虽然头部被打了马赛克，但PULSE可以“想象”出眉毛、睫毛、头发、脸型等面部细节。自身形成高清逼真的人像。

但是过度虚化产生的人像只是一张虚拟的新面孔，实际上并不存在。因此，这种技术不能用于识别。比如，监控摄像头拍摄的失焦、不可分辨的画面，无法通过脉冲还原成真实的人像。

杜克大学研究小组的计算机科学家辛西娅·鲁丁(Cynthia Rudin)说，“以前从未制作过如此高分辨率的图像。它能产生不存在的新面孔，看起来很真实”。

同时，她补充说，该研究所采用的技术可以广泛应用于医学、显微镜、天文学和卫星图像等领域。此外，该研究团队已经在预印本图书馆arVix上发表了该论文，并且它已经被列入IEEE计算机视觉和模式识别国际会议(CVPR 2020)。

2

“减少损失”，超越常规修图方法

对于一幅低分辨率图像，传统的将高分辨率图像与低分辨率图像进行匹配以获得超高分辨率(SR)的方法往往导致灵敏度差、图像不平滑和图像失真。

在这项研究中，杜克大学的研究团队开拓了一个新的思路，提出了一种新的超分辨率算法PULSE。它不是遍历LR图像慢慢添加细节，而是发现对应HR的LR，通过“减少损失”获得SR图像。

原始LR(第一行)，脉冲输出HR(中间一行)，HR对应的LR(最后一行)

PULSE使用生成对抗网络(GAN)，这是一种训练模型。顾名思义，它以对抗游戏的方式训练目标。其主要结构包括一个发生器和一个鉴别器。同一组照片训练中，一个负责训练接收到的图像并输出，另一个负责接收输出并检查是否足够逼真。

以下是与原图对比后的测试结果:

图中第一行是原始图像，第二行是“减损”得到的HR对应的LR，第三行是脉冲得到的HR。可以看出还原度已经很高了，虽然和原图略有差异。

论文显示，为了检验PULSE在超分辨率重建中的优越性，杜克大学的研究团队采用了四种不同的图像缩放方法与之进行对比研究。在这项研究中，CelebA HQ数据集中的1440幅图像被用于测试LR面部图像，尤其是眼睛、嘴唇和头发的细节，比例因子为x8和x64。

PULSE表现出了明显的优势，尤其是在X64分辨率下，模糊的头像被完全还原，尤其是眼睛、嘴唇等细节，其他方法几乎无法实现。

此外，根据测试结果，研究人员采用了超分辨率感知中常见的MOS测试方法，并邀请了5名评分者对图像结果进行1到5的评分。结果显示，HR源高清图像的分辨率得分为3.74，而PULSE达到了3.60，仅为0.14，几乎达到了真正高质量图像的水平。

然而，研究人员也承认，PULSE并不完美。与专业的原始图像相比，它产生的高分辨率图像有一些差异。但是随着技术和工具的完善，这个技术会一点一点的完善。

现在研究团队已经将PULSE发布到Github开源平台，收获了569个明星家族。修图有困难的朋友可以安装体验一下~(Github地址:https://github.com/adamian98/pulse)

参考:

http://pulse.cs.duke.edu/

https://www . gizmodo . co . uk/2020/06/研究人员创造了一种可以完美去除面部色素的工具/

https://www.rt.com/news/492091-ai-tech-undo-pixelation/

作者|贝爽
转自:雷锋网。com (leiphone-sz)

论文地址:https://arxiv.org/pdf/2003.03808.pdf

像素不够，后期修图补？

在知乎上搜索低像素修图，结果就是要刷的帮助帖太多了，从PS技能、外挂神器到各种修图app教程那么多，关键是不知道会怎么样。

不过最近杜克大学的研究团队开发了一款AI修图黑科技脉冲，可以解决所有低像素的烦恼。据说可以将图像的原始分辨率放大64倍，任何画质都可以秒变高清逼真的图像，甚至马赛克人脸图像、毛孔、皱纹、头发都可以清晰还原。

一个

几秒钟内拼接高清人像

PULSE是一种新的超分辨率算法，通过potential 空 exploration对照片进行采样，可以将16×16像素的低分辨率(LR)放大到1024×1024像素的高分辨率(HR)，几秒钟内放大64倍，而传统方法最多只能放大8倍。

让我们来看一组例子。修图中最难处理的LR爆头，可以在脉冲后几秒内变成高清细腻的图像。

更重要的是，PULSE可以定位人脸的关键特征，生成一组分辨率更高的相似细节。在画面中，虽然头部被打了马赛克，但PULSE可以“想象”出眉毛、睫毛、头发、脸型等面部细节。自身形成高清逼真的人像。

但是过度虚化产生的人像只是一张虚拟的新面孔，实际上并不存在。因此，这种技术不能用于识别。比如，监控摄像头拍摄的失焦、不可分辨的画面，无法通过脉冲还原成真实的人像。

杜克大学研究小组的计算机科学家辛西娅·鲁丁(Cynthia Rudin)说，“以前从未制作过如此高分辨率的图像。它能产生不存在的新面孔，看起来很真实”。

同时，她补充说，该研究所采用的技术可以广泛应用于医学、显微镜、天文学和卫星图像等领域。此外，该研究团队已经在预印本图书馆arVix上发表了该论文，并且它已经被列入IEEE计算机视觉和模式识别国际会议(CVPR 2020)。

2

“减少损失”，超越常规修图方法

对于一幅低分辨率图像，传统的将高分辨率图像与低分辨率图像进行匹配以获得超高分辨率(SR)的方法往往导致灵敏度差、图像不平滑和图像失真。

在这项研究中，杜克大学的研究团队开拓了一个新的思路，提出了一种新的超分辨率算法PULSE。它不是遍历LR图像慢慢添加细节，而是发现对应HR的LR，通过“减少损失”获得SR图像。

原始LR(第一行)，脉冲输出HR(中间一行)，HR对应的LR(最后一行)

PULSE使用生成对抗网络(GAN)，这是一种训练模型。顾名思义，它以对抗游戏的方式训练目标。其主要结构包括一个发生器和一个鉴别器。同一组照片训练中，一个负责训练接收到的图像并输出，另一个负责接收输出并检查是否足够逼真。

以下是与原图对比后的测试结果:

图中第一行是原始图像，第二行是“减损”得到的HR对应的LR，第三行是脉冲得到的HR。可以看出还原度已经很高了，虽然和原图略有差异。

论文显示，为了检验PULSE在超分辨率重建中的优越性，杜克大学的研究团队采用了四种不同的图像缩放方法与之进行对比研究。在这项研究中，CelebA HQ数据集中的1440幅图像被用于测试LR面部图像，尤其是眼睛、嘴唇和头发的细节，比例因子为x8和x64。

PULSE表现出了明显的优势，尤其是在X64分辨率下，模糊的头像被完全还原，尤其是眼睛、嘴唇等细节，其他方法几乎无法实现。

此外，根据测试结果，研究人员采用了超分辨率感知中常见的MOS测试方法，并邀请了5名评分者对图像结果进行1到5的评分。结果显示，HR源高清图像的分辨率得分为3.74，而PULSE达到了3.60，仅为0.14，几乎达到了真正高质量图像的水平。

然而，研究人员也承认，PULSE并不完美。与专业的原始图像相比，它产生的高分辨率图像有一些差异。但是随着技术和工具的完善，这个技术会一点一点的完善。

现在研究团队已经将PULSE发布到Github开源平台，收获了569个明星家族。修图有困难的朋友可以安装体验一下~(Github地址:https://github.com/adamian98/pulse)

参考:

http://pulse.cs.duke.edu/

https://www . gizmodo . co . uk/2020/06/研究人员创造了一种可以完美去除面部色素的工具/

https://www.rt.com/news/492091-ai-tech-undo-pixelation/