杜克大學的研究人員開發了一種AI工具，可以將比以往更精細的細節轉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，無法辨認的照片變為現實。

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建分辨率高達64倍的逼真的面部，“想象”出細膩的線條，睫毛和胡茬等功能，這是第一時間所沒有的。地點。

領導該團隊的杜克大學計算機科學家辛西婭·魯丁（Cynthia Rudin）說：“在如此高分辨率的情況下，從來沒有像現在這樣創建過超高分辨率圖像。”

研究人員說，該系統不能用于識別人員：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，相同的技術可以拍攝幾乎所有物體的低分辨率照片，并創建清晰逼真的圖像，其應用范圍涵蓋醫學，顯微鏡，天文學和衛星圖像。作者Sachit Menon ‘20，他剛從杜克大學畢業，并獲得了數學和計算機科學雙學位。

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像素相匹配，來“猜測”需要額外的像素。這種平均的結果是，頭發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。該系統不會搜索低分辨率的圖像并慢慢添加新的細節，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。

該團隊在機器學習中使用了一種稱為“ 生成對抗網絡 ”（簡稱GAN）的工具，這是對同一張照片數據集進行訓練的兩個神經網絡。一個網絡提供了AI創建的人臉，該人臉模擬了受過訓練的人臉，而另一個網絡則獲取了該輸出，并確定它是否足以令人信服以至于被誤認為是真實的東西。第一個網絡的經驗會越來越好，直到第二個網絡無法分辨出差異。

Rudin說，PULSE可以從其他方法無法做到的嘈雜，低質量的輸入中創建逼真的圖像。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。

甚至是杜克大學數學專業的合著者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，這是傳統方法無法做到的。”

該系統可以在幾秒鐘內將一張16x16 像素的面部圖像轉換為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節，例如毛孔，皺紋和發束，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量照片一樣高。