消除马赛克秒变高清人像,让模糊照片秒变清晰。
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。
算法大脑填写代码,帮助我们恢复照片。
连脸上的毛孔和头发都可以恢复。
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。
我使用下图运行并尝试了它。
遮挡之后,我们可以大致看到它是什么,但是我们不知道眼睛是什么样子的。
运行一段时间后,算法模拟的效果如下:
原图是这样的:
基本恢复。
让我们看看这些算法是如何工作的。
马赛克实际上是低像素图像。
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。
这会使图片变得模糊,不清楚原始图片是什么。
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。
这就是算法所做的,自动填充一些不存在的特征,例如皱纹、头发等。
这些算法真的能帮助我们100%恢复照片吗?
我用自己的身份证照片试了一下。
第一张是原图,最后一张是最后的还原效果。
那 –
即使是鼻子和眼睛。
但和原图比起来,只能说与它无关。
生成的照片只是一个算法大脑填充,它可能只是一张看起来真实的脸。
但是通过马赛克来重建和还原肖像是不可能的。
但是还原一些个体特征不太明显的东西,比如家具、动物等,准确率更高。
比如下面这个小狐狸,MAE算法复原的就很成功。
那么如何运行这些算法呢?
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 2 步:设置环境
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
但是我自己安装了,报如下错误:
Solving environment: failed
ResolvePackageNotFound:***
这是因为环境配置文件是在另一台电脑上导出的,不适合我们电脑的配置。可以通过删除包的具体信息来解决,即删除包名第二个等号后面的内容。
例如:
- blas=1.0=mkl
- ca-certificates=2020.1.1=0
将其更改为:
- 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 3 步:运行模型
该项目为我们提供了一个预训练好的模型,需要翻墙下载。
我也下载了,上传到我的百度网盘。
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:
首先运行以下语句来降低图像的分辨率。
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。
他们都是金发碧眼的,但不太像——
如果您在运行时遇到此错误:
Could not find a face that downscales correctly within epsilon
有两种方法可以解决它:
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。
原始代码:
parser.add_argument('-eps', type=float, default=2e-3, help='Target for downscaling loss (L2)')
变成:
parser.add_argument('-eps', type=float, default=8e-2, help='Target for downscaling loss (L2)')
这基本上没有问题。
项目运行过程中遇到的所有问题我都写了下来,希望大家能顺顺利利的运行~
如果想要运行新出的这个MAE算法。
项目地址为:
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
wx搜索【喵宁一】第一时间阅读文章~
版权声明:本文为博主猫宁一原创文章,版权归属原作者,如果侵权,请联系我们删除!
原文链接:https://blog.csdn.net/shine_a/article/details/123008788