人工智能网络学会了一种新技巧：能够仅用几个像素点来创建逼真的面部
新时代，高科技越来越发达。朋友们读了很多关于科技的重要新闻。我们也应该在生活中使用很多这些高科技的东西。朋友应该注意什么？今天，我想和大家分享一条关于科技的知识。我希望你会喜欢它。
在恐慌之前，请注意，这不是一个可以消除模糊的令人毛骨悚然的反向像素化，因为人工智能带来的人脸是假的——它们不属于真实的人。但这是一个技术上很酷的步骤，以前可以从这种网络中完成。
PULSE系统可以生成分辨率比源图像高64倍的照片，其分辨率比以前的方法高8倍。
杜克大学的计算机科学家辛西娅鲁丁(Cynthia Rudin)说：“从未有过如此高分辨率的超高分辨率图像被创造出来。”
PULSE的工作是反向工作，生成全分辨率人脸照片，使其像素化时看起来像模糊的原始照片，而不是从模糊的图像开始，试图详细添加它们来寻找匹配。16 x 16像素的网格可以在几秒钟内转换成1，024 x 1，024的图像，并且增加了100多万像素。
该系统使用生成对抗网络或GAN，它本质上抵抗两个神经网络(设计用于模仿人脑的复杂AI学习引擎)，并在同一组照片上训练它们。一个生成人脸，另一个决定人脸是否足够逼真。
通过这种方法，研究人员可以获得没有模糊或模糊区域的图像，这些区域在使用其他技术时有时会出现在最终产品中。
这个系统成功的部分原因是，它寻找任何将被还原为原始图像的图像，而不是试图找到适合源的“真实”图像。它快速测试许多选项——遍历其名称中的“潜在空间”——直到找到匹配项。
像这样的GAN继续变得越来越复杂：你可能还记得，科技巨头英伟达一直在炫耀一个生成性对抗网络，它可以生成令人毛骨悚然的真实照片，照片中的人实际上并不存在。
在这种情况下，图像是通过将现有的人脸混合到新的事物中生成的。在这里研究人员演示的PULSE系统中，像素化图像块被用作源。
研究人员表示，可以从同一个源图像生成多张脸，同样的想法可以应用于创建除块状图片之外的任何东西的照片，例如猫、日落、树木、气球或其他任何东西。
这一方面可以使它适用于所有其他领域，包括医学、显微镜、天文学和卫星图像。
本文就为大家讲解到这里了。