全世界有3.14 %?的人已經(jīng)關(guān)注了

爆炸吧知識(shí)

來(lái)源：機(jī)器之心
參與：魔王、杜偉

有了這個(gè)工具，我們終于能夠看到馬賽克下的那張臉了。

給出一張高糊人臉照片，你能用它做什么？

杜克大學(xué)近期的一項(xiàng)研究可以將高糊人臉照片轉(zhuǎn)換成清晰的面部圖像，而且你完全看不出來(lái)圖像中的人并非真人，而是計(jì)算機(jī)生成的人臉。

此外，這個(gè)名為 PULSE 的方法還可以「有來(lái)有往」，生成的高分辨率照片可以再次降級(jí)，回到高糊狀態(tài)。在具體實(shí)現(xiàn)方面，該方法使用了 StyleGAN 來(lái)生成高分辨率圖像。

看起來(lái)，PULSE 方法與其他方法相比，展示出了更好的生成效果，清晰度更高，細(xì)節(jié)也更加豐富。

不過(guò)，AI 方法「看到」的面部圖像和我們猜測(cè)的似乎存在差別。該項(xiàng)目提供了 Colab 環(huán)境，眾多網(wǎng)友試用后發(fā)現(xiàn)了一些效果不太好的例子。

比如，超級(jí)馬里奧在 PULSE 眼里成了這樣：

我有點(diǎn)不敢玩這款游戲了……

奧巴馬似乎變年輕了，好像也變白了，但這還是奧巴馬嗎?

表情包界王者也突然變了模樣：

?想必此時(shí)表情包主角的內(nèi)心是：

有網(wǎng)友質(zhì)疑該方法生成結(jié)果存在偏見(jiàn)，尤其是對(duì)黑人圖像的處理效果并不好。對(duì)此，項(xiàng)目作者給出了回應(yīng)：

PULSE 生成白人面部圖像的頻率確實(shí)要高于有色人種的面部圖像。這一偏見(jiàn)很可能來(lái)自于 StyleGAN 的訓(xùn)練數(shù)據(jù)集，可能還有其他未知因素。我們意識(shí)到偏見(jiàn)是機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)領(lǐng)域的重要問(wèn)題，并就此問(wèn)題聯(lián)系了 StyleGAN 和 FFHQ 數(shù)據(jù)集的創(chuàng)建者。我們希望這能夠促進(jìn)不具備此類偏見(jiàn)行為的方法的誕生。

此外，PULSE 作者強(qiáng)調(diào)，該方法最后輸出的高分辨率圖像并非真人。因此，該方法無(wú)法用于識(shí)別或重建原始圖像，大家無(wú)需擔(dān)心該方法會(huì)對(duì)現(xiàn)實(shí)中的人造成困擾。

那么，這個(gè)新方法到底是怎么做的呢？我們來(lái)細(xì)看下。

• 論文地址：https://arxiv.org/abs/2003.03808

• GitHub 地址：https://github.com/adamian98/pulse

• 網(wǎng)站地址：http://pulse.cs.duke.edu/

• Colab 地址：https://colab.research.google.com/github/tg-bomze/Face-Depixelizer/blob/master/Face_Depixelizer_Eng.ipynb

PULSE 開(kāi)啟圖像超分辨率新范式？

單圖像超分辨率任務(wù)即基于低分辨率（LR）輸入生成高分辨率（HR）圖像。之前的方法通常是監(jiān)督式的，其訓(xùn)練目標(biāo)通常是度量超分辨率（SR）和高分辨率圖像之間的像素級(jí)平均距離。而對(duì)此類度量指標(biāo)的優(yōu)化往往導(dǎo)致模糊，尤其是高方差區(qū)域的模糊。

杜克大學(xué)將超分辨率問(wèn)題重構(gòu)為：如何創(chuàng)建可以準(zhǔn)確降級(jí)回去的逼真 SR 圖像。這提供了圖像超分辨率的新范式。

具體來(lái)說(shuō)，研究者提出一種新型超分辨率算法 PULSE (Photo Upsampling via Latent Space Exploration)，該算法可以生成高分辨率的逼真圖像，分辨率之高超過(guò)之前的方法。

此外，PULSE 是以完全自監(jiān)督的方式進(jìn)行的，且不受限于訓(xùn)練期間使用的特定降級(jí)算子（degradation operator），這與之前的方法有所不同。

PULSE 不從 LR 圖像開(kāi)始緩慢地添加細(xì)節(jié)，而是遍歷高分辨率自然圖像流形，搜索可以降級(jí)至原始 LR 圖像的高分辨率圖像。這一過(guò)程通過(guò)「降尺度損失」（downscaling loss）完成，它指引著在生成模型潛在空間中的探索。

此外，研究者利用高維高斯的特性限制搜索空間，使其保證輸出結(jié)果是逼真的。因此，PULSE 得以生成既逼真又能進(jìn)行恰當(dāng)分辨率降級(jí)的超分辨率圖像。

該研究進(jìn)行了大量實(shí)驗(yàn)，表明 PULSE 方法在人臉超分辨率領(lǐng)域中的效果。該方法以更高的分辨率和縮放因子（scale factor）超過(guò)了當(dāng)前最優(yōu)方法的感知質(zhì)量。

具體而言，PULSE 可以在幾秒鐘內(nèi)將 16x16 像素圖像轉(zhuǎn)換為 1024 x 1024 像素圖像，添加了一百萬(wàn)像素。此外，它還可以將低分辨率圖像中無(wú)法看清的毛孔、皺紋、頭發(fā)等轉(zhuǎn)換得清晰。

研究者請(qǐng) 40 個(gè)人對(duì) PULSE 和其他五種方法生成的 1440 張圖像進(jìn)行評(píng)分（1-5 分），結(jié)果表明 PULSE 分?jǐn)?shù)最高，接近真人的高質(zhì)量圖像。

PULSE 如何實(shí)現(xiàn)最優(yōu)效果？

研究者首先定義了超分辨率問(wèn)題的術(shù)語(yǔ)。假設(shè)低分辨率圖像為 I_LR，超分辨率方法即學(xué)習(xí)一個(gè)條件生成函數(shù) G，把 G 應(yīng)用于 I_LR 時(shí)可以得到超分辨率圖像 I_SR。

形式上，I_LR ∈ R^m×n。期望函數(shù) SR 是 R^m×n → R^M×N 的映射（M > m, N > n）。于是超分辨率圖像 I_SR ∈ R^M×N 可被定義為：

傳統(tǒng)的超分辨率方法認(rèn)為，低分辨率圖像可以表示與理論上高分辨率圖像 I_HR ∈ R^M×N 相同的信息。然后此類方法試圖基于 I_LR 恢復(fù)特定 I_HR，從而將超分辨率問(wèn)題簡(jiǎn)化為優(yōu)化任務(wù)：擬合函數(shù) SR，使下式最小化

然而，在實(shí)踐中，即使得到了正確的訓(xùn)練，這些算法仍無(wú)法提升高方差區(qū)域的細(xì)節(jié)。讓我們通過(guò)修復(fù)低分辨率圖像 I_LR，來(lái)探究其背后的原因。

假設(shè) M 是 R^M×N 中的自然圖像流形，即 R^M×N 的這一子集類似自然逼真圖像；假設(shè) P 是基于 M 的概率分布，用于描述數(shù)據(jù)集中某張圖像出現(xiàn)的概率；假設(shè) R 是分辨率恰當(dāng)降低后的圖像集合，即 R = {I ∈ R^N×M : DS(I) = I_LR}。則隨著數(shù)據(jù)集規(guī)模趨向于無(wú)窮大，算法輸出修復(fù)圖像 I_SR 的期望損失是：

當(dāng) I_SR 是 I_HR（M ∩ R）的 l_p 平均時(shí)，損失得到最小化。事實(shí)上，當(dāng) p = 2 時(shí)，損失最小化，即

因此，最優(yōu) I_SR 是分辨率恰當(dāng)降低的高分辨率圖像集合的像素級(jí)加權(quán)平均值。因此，這些算法缺乏細(xì)節(jié)僅僅是因?yàn)闊o(wú)法通過(guò)改變網(wǎng)絡(luò)架構(gòu)來(lái)恢復(fù) l_p 范數(shù)。

杜克大學(xué)對(duì)該問(wèn)題進(jìn)行了重新定義，他們提出一種新型單圖像超分辨率框架。對(duì)于 LR 圖像 I_LR ∈ R^m×n 且 ? > 0，杜克大學(xué)研究者旨在找到符合下列條件的圖像 I_SR ∈ M：

具體而言，令 R_?? ? R^N×M 表示分辨率恰當(dāng)降低的圖像集合，即

然后尋找圖像 ISR ∈ M∩R_?。M∩ R_? 是可行解的集合，因?yàn)槿绻玫浇獾姆直媛薀o(wú)法恰當(dāng)降低或者不夠逼真，則它并非可行解。

有趣的是，M∩R_?的交集（尤其是 M ∩ R_0) 不能為空，因?yàn)樗鼈儽仨毎几叻直媛蕡D像（即傳統(tǒng)方法旨在重建的圖像）。

PULSE 的實(shí)驗(yàn)效果如何？

研究者通過(guò)多項(xiàng)實(shí)驗(yàn)對(duì)該算法進(jìn)行評(píng)估，并將重點(diǎn)放在了人臉幻覺(jué)（face hallucination）這一熱點(diǎn)問(wèn)題上。

具體來(lái)說(shuō)，研究者利用了 Karras 等人在 Flickr Face HQ (FFHQ) 數(shù)據(jù)集上預(yù)訓(xùn)練的 Face StyleGAN。對(duì)于每個(gè)實(shí)驗(yàn)，他們從隨機(jī)初始化開(kāi)始，進(jìn)行了 100 次學(xué)習(xí)率為 0.4 的球面梯度下降迭代。因此，該方法使用單個(gè)英偉達(dá) V100 GPU 生成每張圖像的時(shí)間約為 5 秒。

不同方法的視覺(jué)效果

下圖 5 展示了不同方法生成圖像的視覺(jué)質(zhì)量：

圖 5：PULSE 與雙三次升尺度（bicubic upscaling）、FSRNet 和 FSRGAN 方法的效果對(duì)比。在第一張圖像中，PULSE 在頭發(fā)里添加了一個(gè) messy 圖像塊，以匹配 LR 圖像放大后中間可見(jiàn)的兩個(gè)黑色對(duì)角線像素值。

定量結(jié)果

研究者進(jìn)行了感知超分辨率文獻(xiàn)中常用的 MOS 分?jǐn)?shù)評(píng)估，如下表所示：

表 1：PULSE 與其他幾種方法在 128×128 分辨率上的 MOS 分?jǐn)?shù)，其中分?jǐn)?shù)越高效果越好。可以看到，PULSE 的分?jǐn)?shù)最高。

為了提供另一種感知質(zhì)量度量，研究者還對(duì)感知超分辨率問(wèn)題常用的自然圖像質(zhì)量評(píng)價(jià)（Naturalness Image Quality Evaluator, NIQE）分?jǐn)?shù)進(jìn)行了評(píng)估。

具體來(lái)說(shuō)，他們對(duì)每種方法在 1024×1024 分辨率上的 NIQE 分?jǐn)?shù)進(jìn)行了評(píng)估，其中輸入分辨率為 16×16，縮放因子為 64。

表 2：每種方法在 1024×1024 分辨率上的 NIQE 分?jǐn)?shù)，分?jǐn)?shù)越低效果越好。可以看到，PULSE 的 NIQE 分?jǐn)?shù)最低。

魯棒性

最后，研究者對(duì) PULSE 算法的魯棒性進(jìn)行了評(píng)估。該算法的主要目的是利用已知的降尺度算子來(lái)執(zhí)行感知逼真的超分辨率任務(wù)。

研究者發(fā)現(xiàn)，即使對(duì)于各種未知的降尺度算子，該方法都可以使用雙三次降尺度（bicubic downscaling）實(shí)現(xiàn)充分的降級(jí)，具體如下圖 6 所示：

圖 6：研究者證實(shí)了利用不同降級(jí)算子時(shí) PULSE 的魯棒性。

版權(quán)歸原作者所有，轉(zhuǎn)載僅供學(xué)習(xí)使用，不用于任何商業(yè)用途，如有侵權(quán)請(qǐng)留言聯(lián)系刪除，感謝合作。

總結(jié)

以上是生活随笔為你收集整理的高糊马赛克秒变高清，表情帝：这还是我吗？的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。