利用算法可修复损坏图片、增强低分辨率图片

深度卷积神经网络（CNN）已经成为一种生成和修复图片的流行工具，其在2017年最后一个月放出了一些算法，当这些算法用于恢复和重建受损或低质量图片时能够达到惊人的效果。

其中最引人注目的算法叫作Deep Image Prior，是由一组俄罗斯科学家开发而成的。

Deep Image Prior因其不循规蹈矩而远离世人。Deep Image Prior使用已降级图片自身的数据来重建原始图片，而不是依赖于大量的训练样本数据来决定处理降级图片的最佳方法。

研究人员表示他们的算法可用于对图片降噪，去除图片上的文字，重新填充裁减过的图片，JPEG混淆产生的像素化，甚至在将低分辨率的图片变为高分辨率图片时也能得到可以接受的结果。

能够重新填充修改过的图片的能力非常吸引人，这是第一次见到科学家将“"内容感知填充/画刷”特性重现。这一特性Adobe公司在几年前加入到Photoshop中，然而这项技术一直被保密，没有任何其它的图像处理软件制造商能够模仿。

但是Deep Image Prior只是本年度伟大的CNN图像处理研究项目中取得成果的一项。另一项是PixelNN。

PixelNN由来自于卡耐基梅隆大学的3名研究人员所开发，能够重建模糊、像素化或不完整的图片。算法需要使用大量的数据进行训练，但是在重建高度损坏的图像数据时，比起同类项目结果要精确的多。

另一个伟大的算法是EnhanceNet-PAT，专门用于升档操作，将低分辨率图片重建为复杂的高分辨率图片。

然而Deep Image Prior也可以升档图片，但它的结果与EnhanceNet-PAT所能做到的完全不同，EnhanceNet-PAT要优秀的多。但是像PixelNN一样，EnhanceNet-PAT在实际应用前需要使用丰富的样本训练图像数据进行训练。

研究人员希望EnhanceNet-PAT将会最终找到一种方法用于将老电影升档为4K品质，用于修复老家庭照片或在警察破案时提升低分辨率闭路电视图像质量。如果能够实现的话，这像技术的前景将会一片光明。

来源：bleepingcomputer

本文由看雪翻译小组 rainbow 编译

往期热门内容推荐

更多安全资讯，戳左下角“阅读原文”查看！