隐私保护的第一道防线:破解马赛克有多「容易」?(6)
2023-04-22 来源:飞速影视
在上图中,右列是名人照片未经模糊化的原图,左列是被打码后的照片,分辨率仅有8×8像素。而中间是谷歌的 AI 解码处理后的效果,分辨率达到 32×32 像素,提升了 16 倍。
Google Brain 还原低分辨率照片基于两项核心工具。第一项是工具调节网络(conditioning network),通过海量人物面部照片来进行训练,让系统记忆学习到具有代表性的面部特征。另一项是工具优先网络(prior network),让系统基于之前的训练,猜测可以作为高分辨率照片的特征。
发者们通过深度学习让机器产生「联想」,以「猜测」的方式为被马赛克的色块增加细节,提升像素倍数,从而得出更清晰的画面。比起「还原」,还不如说这是 AI 靠强大的学习和计算能力「脑补」出了原图。
从应用角度来看,该系统最大的突破在于能够让 8×8 像素的模糊图片变得清晰一些,离更高清晰度的「解码」还有一段距离。
PULSE
杜克大学 2020 年 3 月 8 日在 arXiv 期刊 中公布了不同于以往的超分辨率解决方案。这是 机器之心 关于 PULSE 算法的一段关键描述:
PULSE 不从 LR 图像开始缓慢地添加细节,而是遍历高分辨率自然图像流形,搜索可以降级至原始 LR 图像的高分辨率图像。这一过程通过「降尺度损失」(downscaling loss)完成,它指引着在生成模型潜在空间中的探索。
通俗来说,PULSE 不是像拼图一样从 0 开始填补像素,而是快速生成高清大图然后降低图片分辨率与原始图片对比,从中找到匹配程度最高的图像的一种解决方案。这样的好处就是快速和生成的图片更加细腻。PULSE 算法可以在短短几秒内就把 16×16 像素的低分辨率图片提升到 1024×1024 级别,精度提升了64倍,同时可以将低分辨率图像中无法看清的毛孔、皱纹、头发等转换得清晰。
本站仅为学习交流之用,所有视频和图片均来自互联网收集而来,版权归原创者所有,本网站只提供web页面服务,并不提供资源存储,也不参与录制、上传
若本站收录的节目无意侵犯了贵司版权,请发邮件(我们会在3个工作日内删除侵权内容,谢谢。)
www.fs94.org-飞速影视 粤ICP备74369512号