Google的人工智慧又學了新技能:把模糊臉孔變清晰,男性「騎兵變步兵」的終極夢想看來也不遠了

Google的人工智慧又學了新技能:把模糊臉孔變清晰,男性「騎兵變步兵」的終極夢想看來也不遠了

Google的人工智慧「Google Brain」,近日發佈了一個可以把馬賽克照片還原清晰的軟件。不過,倒不是像大家想像的把騎兵變步兵,而是把模糊的人臉變清晰。

把模糊照片放清楚,是有著很實際的用途的。比如說,緝拿犯罪嫌疑人的時候,沒有足夠清晰的照片,可以借助這項功能將照片放大,從而給警方提供更多的線索支持。

Google Brain的這款新技術就可以在這方面提供一些頗有價值的幫助。現在他們已經成功將8*8(毫米)網格的像素馬賽克轉換成為肉眼可辨識的人物圖像。這項技術叫做「像素遞迴超解析度」技術(Pixel Recursive Super Resolution)。

以這組圖片為例。最右側是32 x 32像素的真實圖片,左側是已經壓縮到8 x 8像素的圖片,中間的就是通過這項技術還原的結果。結果不算很理想。還原過的圖片和真實的圖片看起來像是兩個人,但是比起左側的模糊圖片,已經好太多了,左側的圖片單獨來看完全看不出什麼內容。

Google的人工智慧又學了新技能:把模糊臉孔變清晰,男性「騎兵變步兵」的終極夢想看來也不遠了

Google Brain是怎麼做到的呢?它聚合了兩種神經網絡,來補充圖片的細節。

第一部分是條件網絡(conditioning network)。比如,在上面這個案例中,它會將8×8的圖片與網路上其它的高解析度圖片進行對比,將其他高解析度圖片縮小到8×8的解析度,尋找圖案、顏色的相似關係。

第二部分是優先網絡(prior network),使用PixelCNN(像素神經網絡)向8×8的圖片中增加真實的高解析細節。在上面的例子當中,優先網絡就吸收了大量的名人照片。

然後,當需要解析原始圖片時,便會從其已知的圖片中尋找與之匹配的新像素,並將添加進去。例如,圖片頂部有一個棕色像素,而優先網絡或許認為那是一條眉毛:於是,當要解析圖片時,就會用眉毛形狀的棕色像素填補進去。

Google的人工智慧又學了新技能:把模糊臉孔變清晰,男性「騎兵變步兵」的終極夢想看來也不遠了

為了製作出最終的「無碼高清」圖片,需要融合這兩個神經網路輸出的數據。總結來說,就是通過學習大量圖片,獲得給照片補充細節的能力。OK,這多少有點類似於PS圖去浮水印還原圖片的過程。

GOOGLE團隊測試了呈現效果。向人類展示原始高解析明星照和Google Brain還原照片時,要人類受測者猜測哪一個是Google Brain還原的照片,人類被騙的比例達到了10%,而達到50%就屬於完美得分。

此外,GOOGLE也對比了另一個還原照片的技術——雙三次插值放大技術,這項技術沒有騙過任何一個觀察員。

當然,還原的圖片肯定不同於真實的圖片,會有一些額外添加的細節,這在圖像處理領域裡術語被稱作「幻象」,只是計算機的「猜測」,換句話說,系統認為新圖片的清晰度足以「欺騙」人類的眼睛。但是,新添加的細節很可能與事實有別,似是而非。

不過,這項技術也有讓人擔心的地方。隨著這項技術的成熟,肯定可以讓還原照片高度接近真實照片。這樣的話,網上流傳的一些模糊處理的照片就失去了價值,可能導致當事人隱私洩露,帶來人身財產的安全隱患。

話又說回來,其實透過這同樣的技術以及原理,Google Brain是絕對有本事把「騎兵變步兵」,完成許多男性的夢想的,只是看Google願不願意而已。

 

本文來自翻譯:arstechnica.com

Google的人工智慧又學了新技能:把模糊臉孔變清晰,男性「騎兵變步兵」的終極夢想看來也不遠了

36Kr
作者

36氪(36Kr.com)累計發表超過10.8萬條包含圖文、音訊、影片在內的優質內容。氪原創內容體系涵蓋新創公司、大公司、投資機構、地方產業與二級市場等內容模組,設置有快訊、深度商業報導

使用 Facebook 留言
發表回應
謹慎發言,尊重彼此。按此展開留言規則