來源：環球網

【環球網智能報道 記者 張陽】杜克大學研究人員開發了一種新的人工智能工具，這款工具可以将模糊的、無法識别的人臉圖像經由計算機生成高清晰度肖像，細節更加精細。

以前的方法可以把人臉圖像放大到原始分辨率的8倍，但是杜克大學團隊想出了新的方法，利用少量像素即可創造出分辨率高達原始64倍的逼真面孔，合理填補出原本不存在的細紋，睫毛和須發等特征。

杜克大學計算機科學家Cynthia Rudin領導了這個研究小組，她說：“以前從未有過在這樣低分辨率情況下能生成擁有如此多細節的超高分辨率照片。”

研究人員表示，該系統并不能像大家想象的那樣用于進行身份識别，比如将安全攝像頭拍攝的失焦、或者根本無法識别的照片變成真實的清晰圖像，它隻是依據這些模糊的像素，“想象出”不存在但是看起來很真實的新照片。

研究小組成員Sachit Menon表示，研究人員隻是将人臉作為技術的概念驗證突破口，理論上這一技術可以将任何低分辨率照片創造出銳利且逼真的照片，應用範圍涵蓋醫學、顯微天文學和衛星圖像。

研究人員将在2020年計算機視覺和模式識别會議上對被命名為PULSE的方法進行展示。

傳統方法是在獲取一幅低分辨率圖像後，通過嘗試使它們與計算機以前看到的高分辨率圖像中的相應像素平均匹配來“猜測”需要額外的像素。由于這種平均匹配，頭發和皮膚中的紋理區域可能無法從一個像素到下一個像素完美地排列，最終看起來模糊而且失真。

因此，杜克大學的研究小組想出了不同的方法，這套系統不會先獲取一張低分辨率圖像然後慢慢增加細節，而是會破壞人工智能生成的高分辨人像樣本，在縮小到相同大小之後，盡可能尋找與輸入圖像相似的面孔。

研究團隊主要使用了“生成式對抗網絡”這種機器學習工具，這是近年來複雜分布上無監督學習最具前景的方法之一。模型通過框架中(至少)兩個模塊：生成模型(Generative Model)和判别模型(Discriminative Model)的互相博弈學習産生相當好的輸出結果。簡單來說就是一組算法産生一張圖像，另外一組算法來判斷這種圖像是真還是假。如果判定為假，算法就會重新生成圖片，一旦判定為真，開發人員就會檢查結果，以确定算法是否需要調整。

Rudin說：“PULSE可以依據雜亂的、低質量的圖像而創造出逼真的圖像，這是其他方法無法做到的，從一張模糊的頭像照片，它能生成許多種可能性，每一種都像一個栩栩如生的人。”

研究小組成員Alex Damian表示，即使給出一張幾乎看不出眼睛和嘴巴的像素化照片，我們的算法仍然能做到傳統方法做不到的事情。

這套系統可以在幾秒鐘内将一張16*16像素的人臉照片轉換成1024*1024分辨率的圖像，低分辨率圖像中晚期無法辨認的細節，在新的版本中都變得清晰可見。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!