有碼片已經遮擋不住了，這個軟件能讓馬賽克消失
喜歡犯罪片的你一定對這個情節不陌生：某個破案人物要求技術員放大一張照片，然後大喊“增強畫質！”原本一團模糊的圖像就會一秒變成高精度的高清照。
面對如此一本正經胡說八道的橋段，觀眾也只能笑而不語。如今，由於人工智能圖像縮放程序EnhanceNet的出現，這個笑話居然變成了一項真實存在的技術。
喜歡犯罪片的你一定對這個情節不陌生：某個破案人物要求技術員放大一張照片，然後大喊“增強畫質！”原本一團模糊的圖像就會一秒變成高精度的高清照。
面對如此一本正經胡說八道的橋段，觀眾也只能笑而不語。如今，由於人工智能圖像縮放程序EnhanceNet的出現，這個笑話居然變成了一項真實存在的技術。
圖解：左側為原圖。科學家把像素化的小鳥圖（中間）導入EnhanceNet。結果產生了右圖，和原圖幾乎一模一樣。
請看上面三張圖，這可不是P的。EnhanceNet可以把極為粗糙、低分辨率的小鳥圖轉換成高清圖。它甚至還能重現原圖的景深，正如前景裡的樹枝所示。
這款程序的投資人來自德國馬克斯-普朗克智能系統研究所的邁赫迪·S·M·薩賈迪、伯恩哈德·薛可夫和邁克爾·赫什——將它歸類為“通過自動化紋理合成的單一圖像超分辨率。”
物如其名：它能通過合成紋理放大分辨率極低的圖片，引入新細節，生成最後的高清圖像。合成細節使得成圖非常逼真，幾乎和真實的照片沒有區別。人工智能終於能夠利用虛構的細節以極高精確度還原現實，這大概是史上頭一遭。
喜歡犯罪片的你一定對這個情節不陌生：某個破案人物要求技術員放大一張照片，然後大喊“增強畫質！”原本一團模糊的圖像就會一秒變成高精度的高清照。
面對如此一本正經胡說八道的橋段，觀眾也只能笑而不語。如今，由於人工智能圖像縮放程序EnhanceNet的出現，這個笑話居然變成了一項真實存在的技術。
圖解：左側為原圖。科學家把像素化的小鳥圖（中間）導入EnhanceNet。結果產生了右圖，和原圖幾乎一模一樣。
請看上面三張圖，這可不是P的。EnhanceNet可以把極為粗糙、低分辨率的小鳥圖轉換成高清圖。它甚至還能重現原圖的景深，正如前景裡的樹枝所示。
這款程序的投資人來自德國馬克斯-普朗克智能系統研究所的邁赫迪·S·M·薩賈迪、伯恩哈德·薛可夫和邁克爾·赫什——將它歸類為“通過自動化紋理合成的單一圖像超分辨率。”
物如其名：它能通過合成紋理放大分辨率極低的圖片，引入新細節，生成最後的高清圖像。合成細節使得成圖非常逼真，幾乎和真實的照片沒有區別。人工智能終於能夠利用虛構的細節以極高精確度還原現實，這大概是史上頭一遭。
根據研究報告中所描述的無數次實驗，“成圖以高放大倍率顯著提升了圖像質量。”此軟件通過“對抗性訓練設置下的前饋式全卷積神經網絡”創造圖像。換言之，和其他對抗性神經網絡一樣，一個系統生成結果，另一個系統評估結果的準確度。
和這項技術相比，目前的高端照片縮放法簡直自愧不如。從下方的對比圖你就能看出兩者之間的巨大差異，左側為最頂級的先進方法（PSNR，即峰值信噪比），右側為EnhanceNet生成的結果：
喜歡犯罪片的你一定對這個情節不陌生：某個破案人物要求技術員放大一張照片，然後大喊“增強畫質！”原本一團模糊的圖像就會一秒變成高精度的高清照。
面對如此一本正經胡說八道的橋段，觀眾也只能笑而不語。如今，由於人工智能圖像縮放程序EnhanceNet的出現，這個笑話居然變成了一項真實存在的技術。
圖解：左側為原圖。科學家把像素化的小鳥圖（中間）導入EnhanceNet。結果產生了右圖，和原圖幾乎一模一樣。
請看上面三張圖，這可不是P的。EnhanceNet可以把極為粗糙、低分辨率的小鳥圖轉換成高清圖。它甚至還能重現原圖的景深，正如前景裡的樹枝所示。
這款程序的投資人來自德國馬克斯-普朗克智能系統研究所的邁赫迪·S·M·薩賈迪、伯恩哈德·薛可夫和邁克爾·赫什——將它歸類為“通過自動化紋理合成的單一圖像超分辨率。”
物如其名：它能通過合成紋理放大分辨率極低的圖片，引入新細節，生成最後的高清圖像。合成細節使得成圖非常逼真，幾乎和真實的照片沒有區別。人工智能終於能夠利用虛構的細節以極高精確度還原現實，這大概是史上頭一遭。
根據研究報告中所描述的無數次實驗，“成圖以高放大倍率顯著提升了圖像質量。”此軟件通過“對抗性訓練設置下的前饋式全卷積神經網絡”創造圖像。換言之，和其他對抗性神經網絡一樣，一個系統生成結果，另一個系統評估結果的準確度。
和這項技術相比，目前的高端照片縮放法簡直自愧不如。從下方的對比圖你就能看出兩者之間的巨大差異，左側為最頂級的先進方法（PSNR，即峰值信噪比），右側為EnhanceNet生成的結果：
第一隻獵鷹圖相當於Photoshop的放大效果，結果往往導致畫面過於平滑，最終不可避免地犧牲了清晰度，連人眼也能發現瑕疵。相比之下，EnhanceNet成圖在畫質和細節上的提升顯而易見。
在往來郵件中，邁赫迪·S·M·薩賈迪稱“這套算法可輕鬆嵌入Photoshop等商業軟件之中。”更有意思的是，你還可以把它作為操作系統的一部分“融入手機，在放大圖片的同時增強畫質，避免出現模糊不清。”薩賈迪說道。此外，他還補充說明了其他用途：
從對老電影提升採樣至4K畫質，到復原過於模糊的舊全家福用以放大沖印，再到提升檢測精度等一般應用。我們在報告裡切實研究過這一方面。
事實證明，在圖像上使用我們的算法同時也降低了其他神經網絡在圖像中探測對象的難度，這具有廣闊的應用前景，包括谷歌圖片搜索和自動駕駛汽車探測行人。
設想一下：一個神經網絡增強了圖像質量，接著，另一個神經網絡使用成圖檢測對象。這當然還包括了執法應用。
薩賈迪告訴我，即便“重建出來的細節未必是真實的細節，這些技巧也能運用於車牌識別等特殊案例。”這意味著，警方無需等待超高分辨率的相機，也能逮住超速行駛的司機。有了這項技術，他們現在就能做到。
喜歡犯罪片的你一定對這個情節不陌生：某個破案人物要求技術員放大一張照片，然後大喊“增強畫質！”原本一團模糊的圖像就會一秒變成高精度的高清照。
面對如此一本正經胡說八道的橋段，觀眾也只能笑而不語。如今，由於人工智能圖像縮放程序EnhanceNet的出現，這個笑話居然變成了一項真實存在的技術。
圖解：左側為原圖。科學家把像素化的小鳥圖（中間）導入EnhanceNet。結果產生了右圖，和原圖幾乎一模一樣。
請看上面三張圖，這可不是P的。EnhanceNet可以把極為粗糙、低分辨率的小鳥圖轉換成高清圖。它甚至還能重現原圖的景深，正如前景裡的樹枝所示。
這款程序的投資人來自德國馬克斯-普朗克智能系統研究所的邁赫迪·S·M·薩賈迪、伯恩哈德·薛可夫和邁克爾·赫什——將它歸類為“通過自動化紋理合成的單一圖像超分辨率。”
物如其名：它能通過合成紋理放大分辨率極低的圖片，引入新細節，生成最後的高清圖像。合成細節使得成圖非常逼真，幾乎和真實的照片沒有區別。人工智能終於能夠利用虛構的細節以極高精確度還原現實，這大概是史上頭一遭。
根據研究報告中所描述的無數次實驗，“成圖以高放大倍率顯著提升了圖像質量。”此軟件通過“對抗性訓練設置下的前饋式全卷積神經網絡”創造圖像。換言之，和其他對抗性神經網絡一樣，一個系統生成結果，另一個系統評估結果的準確度。
和這項技術相比，目前的高端照片縮放法簡直自愧不如。從下方的對比圖你就能看出兩者之間的巨大差異，左側為最頂級的先進方法（PSNR，即峰值信噪比），右側為EnhanceNet生成的結果：
第一隻獵鷹圖相當於Photoshop的放大效果，結果往往導致畫面過於平滑，最終不可避免地犧牲了清晰度，連人眼也能發現瑕疵。相比之下，EnhanceNet成圖在畫質和細節上的提升顯而易見。
在往來郵件中，邁赫迪·S·M·薩賈迪稱“這套算法可輕鬆嵌入Photoshop等商業軟件之中。”更有意思的是，你還可以把它作為操作系統的一部分“融入手機，在放大圖片的同時增強畫質，避免出現模糊不清。”薩賈迪說道。此外，他還補充說明了其他用途：
從對老電影提升採樣至4K畫質，到復原過於模糊的舊全家福用以放大沖印，再到提升檢測精度等一般應用。我們在報告裡切實研究過這一方面。
事實證明，在圖像上使用我們的算法同時也降低了其他神經網絡在圖像中探測對象的難度，這具有廣闊的應用前景，包括谷歌圖片搜索和自動駕駛汽車探測行人。
設想一下：一個神經網絡增強了圖像質量，接著，另一個神經網絡使用成圖檢測對象。這當然還包括了執法應用。
薩賈迪告訴我，即便“重建出來的細節未必是真實的細節，這些技巧也能運用於車牌識別等特殊案例。”這意味著，警方無需等待超高分辨率的相機，也能逮住超速行駛的司機。有了這項技術，他們現在就能做到。
薩賈迪指出，你還可以利用這套系統還原被像素化的面部，比如匿名照片裡的人臉。儘管“重建後的人臉未必和原來一模一樣，畢竟大部分信息都在像素化的過程中丟失了，但也有助於辨認某個人。”這種結果不能作為呈堂證供，但至少現在，對方化成了灰，你也能真的認出來了。
然而，這項技術將對隱私權構成威脅。圖謀不軌的人完全可以獲取代碼，訓練一個神經網絡重建被模糊處理或像素化的圖像。假如你曾經上傳過打了馬賽克的業餘小黃片，那就請做好要“走紅”的心理準備吧。
‐End‐
文 | Jesus Diaz
圖片 | Fastcompany & 網絡
編輯 | 黃子君
喜歡犯罪片的你一定對這個情節不陌生：某個破案人物要求技術員放大一張照片，然後大喊“增強畫質！”原本一團模糊的圖像就會一秒變成高精度的高清照。
面對如此一本正經胡說八道的橋段，觀眾也只能笑而不語。如今，由於人工智能圖像縮放程序EnhanceNet的出現，這個笑話居然變成了一項真實存在的技術。
圖解：左側為原圖。科學家把像素化的小鳥圖（中間）導入EnhanceNet。結果產生了右圖，和原圖幾乎一模一樣。
請看上面三張圖，這可不是P的。EnhanceNet可以把極為粗糙、低分辨率的小鳥圖轉換成高清圖。它甚至還能重現原圖的景深，正如前景裡的樹枝所示。
這款程序的投資人來自德國馬克斯-普朗克智能系統研究所的邁赫迪·S·M·薩賈迪、伯恩哈德·薛可夫和邁克爾·赫什——將它歸類為“通過自動化紋理合成的單一圖像超分辨率。”
物如其名：它能通過合成紋理放大分辨率極低的圖片，引入新細節，生成最後的高清圖像。合成細節使得成圖非常逼真，幾乎和真實的照片沒有區別。人工智能終於能夠利用虛構的細節以極高精確度還原現實，這大概是史上頭一遭。
根據研究報告中所描述的無數次實驗，“成圖以高放大倍率顯著提升了圖像質量。”此軟件通過“對抗性訓練設置下的前饋式全卷積神經網絡”創造圖像。換言之，和其他對抗性神經網絡一樣，一個系統生成結果，另一個系統評估結果的準確度。
和這項技術相比，目前的高端照片縮放法簡直自愧不如。從下方的對比圖你就能看出兩者之間的巨大差異，左側為最頂級的先進方法（PSNR，即峰值信噪比），右側為EnhanceNet生成的結果：
第一隻獵鷹圖相當於Photoshop的放大效果，結果往往導致畫面過於平滑，最終不可避免地犧牲了清晰度，連人眼也能發現瑕疵。相比之下，EnhanceNet成圖在畫質和細節上的提升顯而易見。
在往來郵件中，邁赫迪·S·M·薩賈迪稱“這套算法可輕鬆嵌入Photoshop等商業軟件之中。”更有意思的是，你還可以把它作為操作系統的一部分“融入手機，在放大圖片的同時增強畫質，避免出現模糊不清。”薩賈迪說道。此外，他還補充說明了其他用途：
從對老電影提升採樣至4K畫質，到復原過於模糊的舊全家福用以放大沖印，再到提升檢測精度等一般應用。我們在報告裡切實研究過這一方面。
事實證明，在圖像上使用我們的算法同時也降低了其他神經網絡在圖像中探測對象的難度，這具有廣闊的應用前景，包括谷歌圖片搜索和自動駕駛汽車探測行人。
設想一下：一個神經網絡增強了圖像質量，接著，另一個神經網絡使用成圖檢測對象。這當然還包括了執法應用。
薩賈迪告訴我，即便“重建出來的細節未必是真實的細節，這些技巧也能運用於車牌識別等特殊案例。”這意味著，警方無需等待超高分辨率的相機，也能逮住超速行駛的司機。有了這項技術，他們現在就能做到。
薩賈迪指出，你還可以利用這套系統還原被像素化的面部，比如匿名照片裡的人臉。儘管“重建後的人臉未必和原來一模一樣，畢竟大部分信息都在像素化的過程中丟失了，但也有助於辨認某個人。”這種結果不能作為呈堂證供，但至少現在，對方化成了灰，你也能真的認出來了。
然而，這項技術將對隱私權構成威脅。圖謀不軌的人完全可以獲取代碼，訓練一個神經網絡重建被模糊處理或像素化的圖像。假如你曾經上傳過打了馬賽克的業餘小黃片，那就請做好要“走紅”的心理準備吧。
‐End‐
文 | Jesus Diaz
圖片 | Fastcompany & 網絡
編輯 | 黃子君
相關推薦
