文章目录
消除马赛克秒变高清人像，将模糊的照片秒变清晰。
ai技术是越来越强悍了。
但现在的ai技术，真的可以完全消除马赛克，百分百还原照片吗？
其实，消除马赛克的算法 PULSE，在2年前就已经发布了。
通过算法脑补出打码的地方，帮助我们还原照片。
甚至脸上的毛孔、头发都能复原。
发展到现在，消除马赛克的技术已经趋于成熟了，这不前两周，又开源了一个新的算法MAE。
这个更厉害，即使画面遮挡超过90%，ai也会想办法帮我们复原。
我运行试了一下，用的是下面这张图片。
遮挡后，我们能大体看出这是什么，但是眼睛长什么样子还不知道。
运行了一下，算法模拟出来的效果是下面这样的：
而原图是这样的：
基本上是还原了。
我们来看看这些算法的原理吧。
马赛克其实就是一张低像素的图像。
一张清晰的图片，只是眼睛这一个区域，可能就有100个像素，而转换成马赛克，这一区域可能就只有3个像素。
这样图片就会模糊不清，看不清楚原图片是个啥。
那想要复原照片呢，就需要根据这3个像素，脑补出一些的特征，重新补足为100个像素。
这个就是算法做的事情，自动脑补一些不存在的特征，比如皱纹、毛发等。
那这些算法真的能帮我们百分百复原照片吗？
我拿我自己的证件照试了一下。
第一张是原图，最后一张是最后复原的效果。
那个——
虽然也是有鼻子有眼的。
但是跟原照片相比，只能说是毫不相关。
最后生成的照片只是算法脑补出来的，可能只是一张看上去真实的面孔。
但想要通过马赛克去重建还原人像，目前看来，这是不可能的。
但复原一些个体特性不太明显的事物，比如家具、动物等，准确率就比较高了。
比如下面这个小狐狸，MAE算法复原的就很成功。
那怎么运行这些算法呢？
我们以第一个算法PULSE举例。
第一步：下载代码
项目地址：
https://github.com/adamian98/pulse
第二步：搭建环境
在代码文件的根目录下面，有一个pulse.yml文件，环境配置信息都在这里面了。
我们可以直接运行下面代码创建虚拟环境，并根据pulse.yml文件配置环境。
conda env create -n pulse -f pulse.yml
不过我自己安装，报了下面的错误：
Solving environment: failed
ResolvePackageNotFound:***
这是因为，环境配置文件是在别的电脑上面导出来的，不适合我们电脑的配置，删除包的具体信息就可以解决，即删除包名称第二个等号后面的内容。
比如：
- blas=1.0=mkl
- ca-certificates=2020.1.1=0
改成：
- blas=1.0
- ca-certificates=2020.1.1
还有dlib库的安装也遇到了问题，需要先安装cmake，再安装dlib。
pip install cmake
pip install dlib
如果还是安装不成功，可以先将dlib19.19.0版本下载下来，在本地安装。
我将dlib19.19.0版本文件，上传到了我的百度网盘。
下载地址（提取码：6666）：
https://pan.baidu.com/s/16KHEdZ0KD_pQPRRiGuq5Ew
最后安装本地文件就可以了。
pip install dlib-19.19.0-cp38-cp38-win_amd64.whl.whl
第三步：运行模型
项目给我们提供了预训练模型，需要翻墙下载。
我也已经下载好，上传到了我的百度网盘。
下载地址（提取码：6666）：
https://pan.baidu.com/s/16KHEdZ0KD_pQPRRiGuq5Ew
在代码文件的根目录下面，创建两个文件夹，分别命名为：cache、realpics 。
将上面下载好的，预训练模型（三个文件），放到 cache 文件夹内。
然后将一张人像照片放到 realpics 文件夹内，我们以下图为例：
先运行下面语句，对图片进行降分辨率处理。
python align_face.py
生成的图片会放到 input 文件夹内。
最后运行run.py文件
python run.py
就会在 runs 文件夹下生成脑补图。
都是金发碧眼，但是不怎么像——
如果运行过程中遇到这个错误：
Could not find a face that downscales correctly within epsilon
有两个方法可以解决：
1.增加迭代次数
python run.py -steps=5000
2、增大eps
出现这个问题，是因为L2 损失大于eps，我们通过增大eps的值，就可以避免这个错误
在run.py文件的39行。
原代码：
parser.add_argument('-eps', type=float, default=2e-3, help='Target for downscaling loss (L2)')
修改成：
parser.add_argument('-eps', type=float, default=8e-2, help='Target for downscaling loss (L2)')
这样基本就没有问题了。
我将运行项目期间遇到的问题都写出来了，希望大家跟着可以运行的顺利一些~
如果想要运行新出的这个MAE算法。
项目地址是：
https://github.com/facebookresearch/mae
项目提供了 Colab，要登陆Google账户才能运行，如果可以登录的话，可以直接在线体验算法效果：
https://colab.research.google.com/github/facebookresearch/mae/blob/main/demo/mae_visualize.ipynb
版权归原作者 喵宁一 所有， 如有侵权，请联系我们删除。