不知道大家還記不記得,當時微信朋友圈出現過的 「 紅包照片 」 功能!當時可謂是 「 紅極一時 」 !
把照片通過模糊化處理,只要紅包付款後,就能成功查看照片。所以當時的朋友圈,是這樣的:
所以當時在準備高考的小狐,是這樣的:
對了!說到高考,今天也是高考日,祝考生們能心想事成,遇到題目迎刃而解,加油!小狐也會以更優質的內容去支持你們,所以當你看到這篇文章時,就早點休息!明天要考的是文/理綜和外語。說回正題,模糊化處理和馬賽克技術,其目的通常都很簡單,就是使之無法辨認,達到隱秘的目的。
當然,道高一尺魔高一丈,就像遊戲,有掛,自然有舉報;有浩克,自然就有維羅妮卡!有馬賽克,自然就有去馬賽克。所以一些去碼軟體,就蓬勃溢出,甚至有些算法,還運用到了 AI ,可謂是為了去碼成像的極端方式!那麼真的有那麼神奇嗎?首先,要說清楚,就要先認識一次詞:「 E D M 」 。不好意思,小狐最近抖音看多了!是 「GAN 」 。這個全稱名為 Generative Adversarial Networks ( 生成式對抗網絡 )。
是一種深度學習的模型,裡面有一對類似 「 兄弟 」 一樣的東西,在裡面互相博弈並學習產生輸出!有種 「 四驅兄弟 」 的感覺,在爭吵中配合併贏掉對方。
憑藉 GAN ,說白了,就是憑著經驗去 AI 猜圖。而 PULSE 模型則是基於 NVIDIA 的StyleGAN 算法進行開發,運用生成圖像 「 倒推 」 模糊圖,相似的才能夠輸出!相當於一種 「 逆思維 」 開發。如果有對汽車開發平臺有了解的小夥伴,可能就知道,這就是類似於 「 逆向開發 」 !比如 Input LR 是你給它處理的一張超級模糊馬賽克圖片,而這時,通過 GAN 會拿之前所產生出來的高清圖,壓縮成同樣規格的超級模糊馬賽克圖片和你所給的圖片逐個像素細節進行比對,從而找出並輸出比對關鍵部分相似度最高的那張圖片。
是不是有點像電影裡面的情節?當然!說的玄乎,但這也並不完成準確的,由於 NVIDIA 的 StyleGAN 算法是基於 FlickFaceHQ 資料庫,而裡面的數據大部分是還不是很完善,所以間接就會導致:
來自推特用戶@papaabar
無中生有!所以,與其說是去馬賽克,不如說是重新生成一張完整,相似度極高的圖片給你。不過,這也本來是 AI 學習算法的結果,而資料庫認知有限的情況下,這也是現階段的最大程度化!小狐相信,隨著時間的推移,算法的完善,類似這種技術將會走的更遠。
不過,如果說到去碼,網上還是有很多值得大家一試的,諸如 TeclGAN , DeepCreamPy ,JavPlayer 等!而在 GitHub , PULSE 和 StyleGAN 的算法圖像生成器也能找到下載,感興趣的小夥伴可以去試試。
圖片及資料來源: http://pulse.cs.duke.edu/