杜克大學(xué)的研究人員開發(fā)了一種AI工具，可以將比以往更精細(xì)的細(xì)節(jié)轉(zhuǎn)化為令人難以置信的令人信服的計算機生成人像，從而使人臉的模糊，無法辨認(rèn)的照片變?yōu)楝F(xiàn)實。

以前的方法可以將一張臉部圖像縮放到原始分辨率的八倍。但是Duke團隊想出了一種方法，可以拍攝少量像素并創(chuàng)建分辨率高達64倍的逼真的面部，“想象”出細(xì)膩的線條，睫毛和胡茬等功能，這是第一時間所沒有的。地點。

領(lǐng)導(dǎo)該團隊的杜克大學(xué)計算機科學(xué)家辛西婭·魯?。–ynthia Rudin）說：“在如此高分辨率的情況下，從來沒有像現(xiàn)在這樣創(chuàng)建過超高分辨率圖像?！?/p>

研究人員說，該系統(tǒng)不能用于識別人員：它不會將來自安全攝像機的散焦，無法識別的照片變成真實人物的水晶般清晰的圖像。相反，它能夠生成不存在但看上去真實的新面孔。

盡管研究人員將面部表情作為概念證明，但從理論上講，相同的技術(shù)可以拍攝幾乎所有物體的低分辨率照片，并創(chuàng)建清晰逼真的圖像，其應(yīng)用范圍涵蓋醫(yī)學(xué)，顯微鏡，天文學(xué)和衛(wèi)星圖像。作者Sachit Menon ‘20，他剛從杜克大學(xué)畢業(yè)，并獲得了數(shù)學(xué)和計算機科學(xué)雙學(xué)位。

研究人員將在6月14日至6月19日舉行的2020年計算機視覺和模式識別（CVPR）會議上介紹他們的方法，稱為PULSE。

傳統(tǒng)方法采用低分辨率圖像，并通過嘗試使其平均與計算機之前看到的高分辨率圖像中的相應(yīng)像素相匹配，來“猜測”需要額外的像素。這種平均的結(jié)果是，頭發(fā)和皮膚中可能無法從一個像素到下一個像素完美對齊的紋理區(qū)域最終看起來模糊而模糊。

公爵隊想出了另一種方法。該系統(tǒng)不會搜索低分辨率的圖像并慢慢添加新的細(xì)節(jié)，而是搜索AI生成的高分辨率臉部示例，在縮小到相同大小時搜索看起來盡可能像輸入圖像的那些。

該團隊在機器學(xué)習(xí)中使用了一種稱為“ 生成對抗網(wǎng)絡(luò) ”（簡稱GAN）的工具，這是對同一張照片數(shù)據(jù)集進行訓(xùn)練的兩個神經(jīng)網(wǎng)絡(luò)。一個網(wǎng)絡(luò)提供了AI創(chuàng)建的人臉，該人臉模擬了受過訓(xùn)練的人臉，而另一個網(wǎng)絡(luò)則獲取了該輸出，并確定它是否足以令人信服以至于被誤認(rèn)為是真實的東西。第一個網(wǎng)絡(luò)的經(jīng)驗會越來越好，直到第二個網(wǎng)絡(luò)無法分辨出差異。

Rudin說，PULSE可以從其他方法無法做到的嘈雜，低質(zhì)量的輸入中創(chuàng)建逼真的圖像。從一張人臉的模糊圖像中，它可以吐出任何數(shù)量的，栩栩如生的可能性，每種可能性看起來都像一個不同的人。

甚至是杜克大學(xué)數(shù)學(xué)專業(yè)的合著者Alex Damian ’20說，即使對于眼睛和嘴巴幾乎無法識別的像素化照片，“我們的算法仍然可以做到這一點，這是傳統(tǒng)方法無法做到的。”

該系統(tǒng)可以在幾秒鐘內(nèi)將一張16x16 像素的面部圖像轉(zhuǎn)換為1024 x 1024像素，增加了超過一百萬的像素，類似于HD分辨率。在低分辨率照片中無法察覺的細(xì)節(jié)，例如毛孔，皺紋和發(fā)束，在計算機生成的版本中變得清晰明了。

研究人員要求40個人對通過PULSE和其他五種縮放方法生成的1，440張圖像進行1到5的評分，而PULSE的效果最佳，得分幾乎與實際人的高質(zhì)量照片一樣高。