还记得很久之前，机哥给大家介绍过的GAN吗？不是脏话啦，是Generative Adversarial Networks的缩写，即“生成式对抗网络”。
这是一种深度学习的模型，如果大家记不清了，机哥通俗解释一下：
在一个GAN里，有两个天天对着干的神经网络，一个努力生成逼真的假货，一个努力鉴别假货，通过不断地学习和对抗，它们就能生成极其真实的假货，非常妙。
总之，GAN的出现那叫一个惊为天人。
因为它可以无中生有，创造出世界上不存在，但又极为真实的人脸。
没错，上面这些脸，全都是GAN生成的
后来，GAN被运用到图像增强领域，进而名声大噪。
因为……它能实现一项，我们以前不敢奢求的功能——去马赛克。。
就拿2018年大火的软件DeepCreamPy来说吧。
它就是利用GAN来实现去码的，效果大概是这样：
这张图片，用绿色画笔涂上了码。
拿DeepCreamPy操作一番后，马赛克神奇般地消失了。
横向对比一下，效果的确不错。
但肯定会有机友要说：就这？
确实，这张卡通图片，去码难度并不算高，能实现这样的效果也不算啥。
别急，时代在发展，技术在进步。
上个月，美国杜克大学推出了一款图像增强工具，又一次勾起了机哥燥热的心。
这款工具叫PULSE。
不扯虚的，PULSE能实打实地把重码图，处理成高清大图。
不看广告看疗效，机哥直接放实例：
这图的分辨率够渣了吧，机哥甚至可以直接数出它的分辨率为16x16。
经过PULSE一处理，它会变成什么样呢？
请做好心理准备。
……………………
…………
当当当当！
简直不敢相信自己的眼睛。。
我们放大头发部分看看细节。
明明只有几个像素格，它硬是还原成了丝缕分明的秀发。
还有几组实例：
左为原图，右为处理后
看了这些去码作品，机哥还是难以相信……
这tm真的不是魔法吗？
我知道，诸位老司机已经开始酝酿自己大胆的想法了。
但请你们压制一下，机哥本着认真负责的态度，还是得给大家讲讲原理。
很久以前，我们要提高一张图片的分辨率，往往是利用插值法，在低分辨率的图片中填充像素。
就比如PS的改变图像大小
后来有了GAN，虽然也是填充像素，但凭借机器学习，填充的方法变得更高级，更像是AI在凭经验“猜”。
但总的来说，以上方法去码效果有限。
而杜克大学的PULSE思路就很巧妙了，它选择反其道而行。
你给它一张低分辨率图，比如这张：
AI并不急着去填充，而是把自己以前GAN出来的高清图，压缩成低分辨率和你给的图片对比。
遍历之后，找出相似度最高的，把对应的高清图输出。
如果不理解的话，机哥再打一个通俗的比方。
物理考试中，有一道填空题，让我补全一个公式：
你如果让我去推导，E和c的关系，估计我这辈子都填不出正确答案。
但是换种思路，机哥在脑海中回忆背过的公式，其中含有E和c，且跟它长得像的……
不就是爱因斯坦质能方程嘛！
明白了吧，“直接推导”就像是去码算法中的老方法。
而“从回忆中找相似”，就类似于杜克大学的PULSE。
看到这玩意，机哥脑海里浮现了很多大胆的想法。
比如画家，再也不用细心去勾勒图片的细节，简单画几笔，再交给AI就好。
电影艺术也可以用上啊。
哪里还需要花钱请演员，费劲地布景、演、拍……
直接做个粗糙的脚本，剩下交给AI。
姜文的分镜头脚本就适合这么搞……
还有！
警察办案的时候，案发现场的摄像头，只拍到了全损画质的嫌疑犯。
机哥拿自己的照片举个例子
这哪儿看得出是谁啊？
没事，PULSE一下！
注：此图并非PULSE实际效果
噢，原来机哥长这样。
美滋滋吧……
慢着，事实上并没有你想象的这么美好。
吊炸天的PULSE刚公布没多久，就被网友们发现了问题。
有网友拿出奥巴马的照片，手动压缩了一番。
然后，他们把它放进PULSE里。
输出的结果，让人始料未及——
出来的这个面孔，虽然是张很真实的脸，但跟奥巴马大相径庭。
更坑爹的是，奥巴马本来是个黑人，却被AI硬生生还原成了白人。。
紧接着，又有网友发现不仅是黑人，用亚洲面孔去测试，输出的结果也会变成白人。
左为原图，中为压缩图，右为AI补全的图
知名华裔女星刘玉玲
本来种族歧视这事儿，在美国那儿就敏感，AI这一搞果然引起轩然大波。
很多人出来批评，认为AI存在偏见，一时之间骂声四起。
其实，PULSE会出现这样的结果，原因不难猜测。
PULSE基于英伟达的StyleGAN，而StyleGAN所使用的FlickFaceHQ数据集当中大部分都是白人面孔。
它就像一个从小只见过白人的小朋友，当然会以为全世界的人都是白人。
机哥觉得这与其说是偏见，倒不如讲是认知局限。
随着算法的精进，数据集日渐丰富，AI的认知局限肯定会越来越少。
除此之外，PULSE犯的错误还不止搞错人种，沙雕网友们还拿卡通形象试了试。
比如游戏《Wolfenstein》中的卡通像素脸。
左为输入图，右为PULSE处理后的结果
PULSE并没有把它变成卡通高清大图，而是用补真实人脸的方式，输出了一张不伦不类的奇怪脸。
minecraft当中的像素角色，有同样的遭遇。
家喻户晓的马里奥，看来只有AI认不出来。
甚至有人试了试emoji，出来个什么玩意儿。。
也就是说，现阶段的AI补脸，虽然看起来像模像样。
但本质上还是瞎杰宝补的，它根本无法还原图片原本的细节。
所以，上面举警察办案的例子，如果真的采用PULSE处理的照片来确定嫌犯，八成会抓错人。
AI还需要更聪明，才能应对这个复杂的人类世界里，千奇百怪的问题啊。
但是，机哥要说但是了。
我知道在座的司机们肯定有话要说。
也许在你们大胆的想法里……有些东西补得是否还原本来的样子，可能并不重要吧。
还记得很久之前，机哥给大家介绍过的GAN吗？不是脏话啦，是Generative Adversarial Networks的缩写，即“生成式对抗网络”。
这是一种深度学习的模型，如果大家记不清了，机哥通俗解释一下：
在一个GAN里，有两个天天对着干的神经网络，一个努力生成逼真的假货，一个努力鉴别假货，通过不断地学习和对抗，它们就能生成极其真实的假货，非常妙。
总之，GAN的出现那叫一个惊为天人。
因为它可以无中生有，创造出世界上不存在，但又极为真实的人脸。
没错，上面这些脸，全都是GAN生成的
后来，GAN被运用到图像增强领域，进而名声大噪。
因为……它能实现一项，我们以前不敢奢求的功能——去马赛克。。
就拿2018年大火的软件DeepCreamPy来说吧。
它就是利用GAN来实现去码的，效果大概是这样：
这张图片，用绿色画笔涂上了码。
拿DeepCreamPy操作一番后，马赛克神奇般地消失了。
横向对比一下，效果的确不错。
但肯定会有机友要说：就这？
确实，这张卡通图片，去码难度并不算高，能实现这样的效果也不算啥。
别急，时代在发展，技术在进步。
上个月，美国杜克大学推出了一款图像增强工具，又一次勾起了机哥燥热的心。
这款工具叫PULSE。
不扯虚的，PULSE能实打实地把重码图，处理成高清大图。
不看广告看疗效，机哥直接放实例：
这图的分辨率够渣了吧，机哥甚至可以直接数出它的分辨率为16x16。
经过PULSE一处理，它会变成什么样呢？
请做好心理准备。
……………………
…………
当当当当！
简直不敢相信自己的眼睛。。
我们放大头发部分看看细节。
明明只有几个像素格，它硬是还原成了丝缕分明的秀发。
还有几组实例：
左为原图，右为处理后
看了这些去码作品，机哥还是难以相信……
这tm真的不是魔法吗？
我知道，诸位老司机已经开始酝酿自己大胆的想法了。
但请你们压制一下，机哥本着认真负责的态度，还是得给大家讲讲原理。
很久以前，我们要提高一张图片的分辨率，往往是利用插值法，在低分辨率的图片中填充像素。
就比如PS的改变图像大小
后来有了GAN，虽然也是填充像素，但凭借机器学习，填充的方法变得更高级，更像是AI在凭经验“猜”。
但总的来说，以上方法去码效果有限。
而杜克大学的PULSE思路就很巧妙了，它选择反其道而行。
你给它一张低分辨率图，比如这张：
AI并不急着去填充，而是把自己以前GAN出来的高清图，压缩成低分辨率和你给的图片对比。
遍历之后，找出相似度最高的，把对应的高清图输出。
如果不理解的话，机哥再打一个通俗的比方。
物理考试中，有一道填空题，让我补全一个公式：
你如果让我去推导，E和c的关系，估计我这辈子都填不出正确答案。
但是换种思路，机哥在脑海中回忆背过的公式，其中含有E和c，且跟它长得像的……
不就是爱因斯坦质能方程嘛！
明白了吧，“直接推导”就像是去码算法中的老方法。
而“从回忆中找相似”，就类似于杜克大学的PULSE。
看到这玩意，机哥脑海里浮现了很多大胆的想法。
比如画家，再也不用细心去勾勒图片的细节，简单画几笔，再交给AI就好。
电影艺术也可以用上啊。
哪里还需要花钱请演员，费劲地布景、演、拍……
直接做个粗糙的脚本，剩下交给AI。
姜文的分镜头脚本就适合这么搞……
还有！
警察办案的时候，案发现场的摄像头，只拍到了全损画质的嫌疑犯。
机哥拿自己的照片举个例子
这哪儿看得出是谁啊？
没事，PULSE一下！
注：此图并非PULSE实际效果
噢，原来机哥长这样。
美滋滋吧……
慢着，事实上并没有你想象的这么美好。
吊炸天的PULSE刚公布没多久，就被网友们发现了问题。
有网友拿出奥巴马的照片，手动压缩了一番。
然后，他们把它放进PULSE里。
输出的结果，让人始料未及——
出来的这个面孔，虽然是张很真实的脸，但跟奥巴马大相径庭。
更坑爹的是，奥巴马本来是个黑人，却被AI硬生生还原成了白人。。
紧接着，又有网友发现不仅是黑人，用亚洲面孔去测试，输出的结果也会变成白人。
左为原图，中为压缩图，右为AI补全的图
知名华裔女星刘玉玲
本来种族歧视这事儿，在美国那儿就敏感，AI这一搞果然引起轩然大波。
很多人出来批评，认为AI存在偏见，一时之间骂声四起。
其实，PULSE会出现这样的结果，原因不难猜测。
PULSE基于英伟达的StyleGAN，而StyleGAN所使用的FlickFaceHQ数据集当中大部分都是白人面孔。
它就像一个从小只见过白人的小朋友，当然会以为全世界的人都是白人。
机哥觉得这与其说是偏见，倒不如讲是认知局限。
随着算法的精进，数据集日渐丰富，AI的认知局限肯定会越来越少。
除此之外，PULSE犯的错误还不止搞错人种，沙雕网友们还拿卡通形象试了试。
比如游戏《Wolfenstein》中的卡通像素脸。
左为输入图，右为PULSE处理后的结果
PULSE并没有把它变成卡通高清大图，而是用补真实人脸的方式，输出了一张不伦不类的奇怪脸。
minecraft当中的像素角色，有同样的遭遇。
左为输入图，右为PULSE处理后的结果
家喻户晓的马里奥，看来只有AI认不出来。
左为输入图，右为PULSE处理后的结果
甚至有人试了试emoji，出来个什么玩意儿。。
左为输入图，右为PULSE处理后的结果
也就是说，现阶段的AI补脸，虽然看起来像模像样。
但本质上还是瞎杰宝补的，它根本无法还原图片原本的细节。
所以，上面举警察办案的例子，如果真的采用PULSE处理的照片来确定嫌犯，八成会抓错人。
AI还需要更聪明，才能应对这个复杂的人类世界里，千奇百怪的问题啊。
但是，机哥要说但是了。
我知道在座的司机们肯定有话要说。
也许在你们大胆的想法里……有些东西补得是否还原本来的样子，可能并不重要吧。