消除馬賽克秒變高清人像，將模糊的照片秒變清晰，
ai技術是越來越強悍了，
但現在的ai技術，真的可以完全消除馬賽克，百分百還原照片嗎？
其實，消除馬賽克的演算法 PULSE，在2年前就已經發布了，
通過演算法腦補出打碼的地方，幫助我們還原照片，
甚至臉上的毛孔、頭發都能復原，
發展到現在，消除馬賽克的技術已經趨于成熟了，這不前兩周，又開源了一個新的演算法MAE，
這個更厲害，即使畫面遮擋超過90%，ai也會想辦法幫我們復原，
我運行試了一下，用的是下面這張圖片，
遮擋后，我們能大體看出這是什么，但是眼睛長什么樣子還不知道，
運行了一下，演算法模擬出來的效果是下面這樣的：
而原圖是這樣的：
基本上是還原了，
我們來看看這些演算法的原理吧，
馬賽克其實就是一張低像素的影像，
一張清晰的圖片，只是眼睛這一個區域，可能就有100個像素，而轉換成馬賽克，這一區域可能就只有3個像素，
這樣圖片就會模糊不清，看不清楚原圖片是個啥，
那想要復原照片呢，就需要根據這3個像素，腦補出一些的特征，重新補足為100個像素，
這個就是演算法做的事情，自動腦補一些不存在的特征，比如皺紋、毛發等，
那這些演算法真的能幫我們百分百復原照片嗎？
我拿我自己的證件照試了一下，
第一張是原圖，最后一張是最后復原的效果，
那個——
雖然也是有鼻子有眼的，
但是跟原照片相比，只能說是毫不相關，
最后生成的照片只是演算法腦補出來的，可能只是一張看上去真實的面孔，
但想要通過馬賽克去重建還原人像，目前看來，這是不可能的，
但復原一些個體特性不太明顯的事物，比如家具、動物等，準確率就比較高了，
比如下面這個小狐貍，MAE演算法復原的就很成功，
那怎么運行這些演算法呢？
我們以第一個演算法PULSE舉例，
第一步：下載代碼
專案地址：
https://github.com/adamian98/pulse
第二步：搭建環境
在代碼檔案的根目錄下面，有一個pulse.yml檔案，環境配置資訊都在這里面了，
我們可以直接運行下面代碼創建虛擬環境，并根據pulse.yml檔案配置環境，
conda env create -n pulse -f pulse.yml
不過我自己安裝，報了下面的錯誤：
Solving environment: failed
ResolvePackageNotFound:***
這是因為，環境組態檔是在別的電腦上面匯出來的，不適合我們電腦的配置，洗掉包的具體資訊就可以解決，即洗掉包名稱第二個等號后面的內容，
比如：
- blas=1.0=mkl
- ca-certificates=2020.1.1=0
改成：
- blas=1.0
- ca-certificates=2020.1.1
還有dlib庫的安裝也遇到了問題，需要先安裝cmake，再安裝dlib，
pip install cmake
pip install dlib
如果還是安裝不成功，可以先將dlib19.19.0版本下載下來，在本地安裝，
我將dlib19.19.0版本檔案，上傳到了我的百度網盤，
下載地址（提取碼：6666）：
https://pan.baidu.com/s/16KHEdZ0KD_pQPRRiGuq5Ew
最后安裝本地檔案就可以了，
pip install dlib-19.19.0-cp38-cp38-win_amd64.whl.whl
第三步：運行模型
專案給我們提供了預訓練模型，需要翻墻下載，
我也已經下載好，上傳到了我的百度網盤，
下載地址（提取碼：6666）：
https://pan.baidu.com/s/16KHEdZ0KD_pQPRRiGuq5Ew
在代碼檔案的根目錄下面，創建兩個檔案夾，分別命名為：cache、realpics ，
將上面下載好的，預訓練模型（三個檔案），放到 cache 檔案夾內，
然后將一張人像照片放到 realpics 檔案夾內，我們以下圖為例：
先運行下面陳述句，對圖片進行降解析度處理，
python align_face.py
生成的圖片會放到 input 檔案夾內，
最后運行run.py檔案
python run.py
就會在 runs 檔案夾下生成腦補圖，
都是金發碧眼，但是不怎么像——
如果運行程序中遇到這個錯誤：
Could not find a face that downscales correctly within epsilon
有兩個方法可以解決：
1.增加迭代次數
python run.py -steps=5000
2、增大eps
出現這個問題，是因為L2 損失大于eps，我們通過增大eps的值，就可以避免這個錯誤
在run.py檔案的39行，
原代碼：
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)')
這樣基本就沒有問題了，
我將運行專案期間遇到的問題都寫出來了，希望大家跟著可以運行的順利一些~
如果想要運行新出的這個MAE演算法，
專案地址是：
https://github.com/facebookresearch/mae
專案提供了 Colab，要登陸Google賬戶才能運行，如果可以登錄的話，可以直接在線體驗演算法效果：
https://colab.research.google.com/github/facebookresearch/mae/blob/main/demo/mae_visualize.ipynb
wx搜索【喵寧一】第一時間閱讀文章~
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/428560.html
標籤：AI
上一篇：Seaborn使用lmplot函式可視化散點圖并添加回歸曲線、移除默認的回歸曲線置信區間（Scatter plot with regression line、Remove CI band）
下一篇：JDK的安裝和卸載