谷歌大脑最新技术：将马赛克还原成清晰图像

（原标题：谷歌大脑最新技术：将马赛克还原成清晰图像）

本文作者：蕾娜塔•萨洛

导语：Google Brain在提升图片分辨率方面取得了突破性进展。他们已经成功将8*8（毫米）网格的像素马赛克转换成为肉眼可辨识的人物图像。

在观看岛国教育片的时候，往往在不可描述的部位打上了马赛克，固然呈现了朦胧美，但部分观众依然希望变得更加清晰。现在，Google Brain在提升图片分辨率方面取得了突破性进展。他们已经成功将8*8（毫米）网格的像素马赛克转换成为肉眼可辨识的人物图像。

而真正能够提升低分辨率照片细节的最佳突破口就是神经网路。当我们被照片中所包含的像素信息难倒的时候，深度学习能通过人类常说的「幻想」来增加细节。实质就是软件基于从其他图片中学习到的信息对图片进行猜测。

Google Brain的研究团队已经公布了「像素递归超分辨率」技术（Pixel Recursive Super Resolution）的最新进展，尽管结果看上去有点瘆人，但是整个还原效果令人印象深刻。

下面是他们复原的效果案例之一：

右手边的图片，是32 x 32网格的真实人物头像。左手边的图片，是已经压缩到8 x 8网格的相同头像，而中间的照片，是GoogleBrain基于低分辨率样片猜测的原图。

整个复原过程使用了两种神经网络。首先介绍的是调节网络（Conditioning Network），它将低分辨率照片和数据库中的高分辨率照片进行对比。这个过程中迅速降低数据库照片中的分辨率，并根据像素颜色匹配一堆同类照片。

接下来介绍的是优先网络（prior network），它就会猜测那些细节可以作为高分辨率照片的特征。利用PixelCNN架构，该网络会筛查该尺寸的同类照片，并根据概率优先对高分辨率照片进行填充。例如，在论文提供的例子中，提供的同类照片是名人和卧室，优先网络根据优先级最终确认了名人的照片。优先网络会在低分辨率和高分辨率照片中做出决定，如果发现鼻子的可能性比较大，就会选择鼻子。

接下来，两个神经网络的最佳猜测就会进行整合，最终形成的图像如下：

下面也是一些通过超像素技术变化的样本：

在你开始思考：「这并不准确，这个人工智能是愚蠢的」，那么请记住人类同样也是愚蠢的。一名志愿者参与了这样的测试，同时展示降低分辨率的照片和通过Google Brain复原的照片，然后提问「你猜那张照片来自于相机？」，最终结果是10% 的名人照片，测试者选择了Google Brain的照片。在28% 的卧室样片中，测试者选择了Google Brain的照片。

尽管技术是纯净的，但是未来可能会有非常可怕的应用。就像是波士顿马拉松爆炸案一样，不难联想到一些执法部门会滥用该软件来抓取嫌疑犯。更为重要的是，人工智能的多次尝试已经被证明存在种族主义，因为往往会参杂人类的偏见。分析型人工智能和图像技术的结合，在未来必然会经历一段漫长的调试过程。

via gizmodo