像素数不够，后期可以修图吗？在知乎搜索低分辨率图片修图。导致求助帖太多，PS技巧教程、外挂神器、各种修图app教程太多。关键是不知道效果如何。不过近日，杜克大学研究团队研发出一款AI修图黑科技PULSE，可以解决所有低像素的烦恼。据说它可以将图像原始分辨率放大64倍，任何渣渣图像都可以秒变高清逼真图像，甚至是马赛克人脸图像，毛孔、皱纹、头发也可以得到明确恢复。PULSE是一种新的超分辨率算法，通过潜在空间探索对照片进行采样，可以将16x16像素的低分辨率（LowResolution，简称LR）放大到高分辨率（HighResolution，1024x1024像素）。简称HR），几秒内放大64倍，而传统方式最多只能放大8倍。我们先来看一组例子。修图界最难的LR爆头，PULSE后秒变高清细腻画面。更重要的是，PULSE可以定位面部的关键特征，以更高分辨率生成一组相似的细节。虽然画面中的头像是马赛克拼接的，但PULSE还可以“想象”出眉毛、睫毛、头发、脸型等面部细节，形成一幅高清逼真的人像。然而过度虚化产生的人像只是一张虚拟的新面孔，实际上并不存在。因此，该技术不能用于识别。例如，监控摄像头拍摄的焦外、面目全非的照片，无法通过PULSE还原为真实人像。杜克大学研究小组的计算机科学家辛西娅鲁丁说：“以前从未产生过如此超高分辨率的图像，能够生成不存在但看起来真实的新面孔。”同时，她补充说，这项研究采用的技术可以广泛应用于医学、显微术、天文学和卫星图像。此外，研究团队已将论文发表至预印本数据库arVix，同时也被IEEE计算机视觉与模式识别国际会议（CVPR2020）收录。“减少损失”，超越传统的图像编辑方法。对于LR图像，传统的将HR分辨率部分与LR图像进行匹配以获得超分辨率（SR）的方法往往会导致HR图像的灵敏度差和不均匀。图片失真。在这项研究中，杜克大学的研究团队开拓了新的思路，提出了一种新的超分辨率算法PULSE。它不是遍历LR图像来慢慢添加细节，而是找到与HR对应的LR。Loss”方法得到SR图像。原始LR（第一行），PULSE输出HR（中线），HR对应LR（最后一行）PULSE使用生成对抗网络（GAN），这是一种训练模型，正如其名建议，通过对抗游戏的方式进行目标训练，其主要结构包括一个生成器（Generator）和一个判别器（Discriminator），在同一组照片训练中，一个负责训练接收到的图像并输出，而other负责接收输出，检查是否足够逼真，下面是与原图对比后的测试结果：图中第一行是原图，第二行是HR对应的LR通过“reducingloss”得到的，第三行是PULSE得到的HR，可以??看出，虽然和原图还是有细微的差别，但是还原度已经很高了，论文中表示，为了测试PULSE在SR方面的优势，杜克大学的研究团队使用了4种不同的图像缩放方法进行了对比研究。在这项研究中，CelebAHQ数据集中的1440张图像用于测试LR面部图像，尤其是眼睛、嘴唇和头发等细节，比例因子为x8和x64。PULSE就体现出了明显的优势，尤其是在X64分辨率下，可以将模糊的人像完整还原，尤其是眼睛、嘴唇等细节，这是其他方法很难做到的。此外，对于测试结果，研究人员采用了常见的感知超分辨率MOS测试方法，邀请了5名评分员对图像结果进行1-5分打分。结果显示，HR源的高清图像分辨率得分为3.74，而PULSE则达到了3.60，仅相差0.14，可以说几乎达到了真正高质量图像的水平。然而，研究人员也承认PULSE并不完美。它产生的高分辨率图像与专业原始图像相比还是有一定的区别。但是随着技术和工具的改进，这个技术会一点点完善。现在研究团队已经将PULSE发布到Github开源平台，收获了569个star。图片编辑有困难的朋友可以安装体验一下~（Github地址：https://github.com/adamian98/pulse）
