人們都不喜歡馬賽克，以至于誕生出了“馬賽克阻止人類文明進(jìn)步”的箴言。

影片里看到馬賽克，你會索然無味；文檔里看到馬賽克，你會興致掃地……無數(shù)朋友都在尋找一個問題的答案——馬賽克真的是不可消除的嗎？有碼能不能用什么黑科技，一鍵變成無碼？

從原理上來說，馬賽克屬于永久性的信息丟失。馬賽克的原理很簡單，把大量的小像素點(diǎn)合并到一個大的像素點(diǎn)，并取平均色，就制造成了馬賽克。

馬賽克顯然屬于不可逆運(yùn)算，你無法從一個平均數(shù)，推斷出它是由哪幾個數(shù)平均而來的。

然而，馬賽克是否當(dāng)真完全不可能還原？一般來說，要消除馬賽克，需要人進(jìn)行想象腦補(bǔ)，然后把缺失的內(nèi)容重新畫出來。

這種方法效率低，而且效果并不穩(wěn)定。近幾年AI技術(shù)的風(fēng)行，帶來了很多不可思議的應(yīng)用。最近，又出現(xiàn)了一些和AI去馬賽克相關(guān)的消息，一起來看看。

Depix

這是一款近來引起了熱烈關(guān)注的去碼工具。Depix在GitHub上進(jìn)行了開源，它主要用于去除文字馬賽克。

如果你是一名開發(fā)者，可以通過下面的鏈接進(jìn)入到GitHub的頁面，來關(guān)注該項(xiàng)目。

Depix GitHub主頁：https://github.com/beurtschipper/Depix

我們先來看看Depix的效果。

Depix去馬賽克的效果，從上到下分別是馬賽克后的字符、用Depix還原的效果、原圖

雖然不是完美還原馬賽克，但也足夠驚人——能夠?qū)⒁粓F(tuán)不可名狀的東西，還原成為有一定可讀性的字符，這是人工也難以做到的。Depix是怎么做到這種程度的呢？

Depix的原理其實(shí)并不難理解。首先，Depix使用了一個文本表格，將這些文本打一次馬賽克。Depix使用的文本表格采用了De Bruijn sequence布魯因序列，這個序列包含了預(yù)期還原字符的2字符組合。

Depix的開發(fā)者認(rèn)為，2字符非常重要，因?yàn)楹芏辔谋敬蝰R賽克以后，一些馬賽克塊會是2字符的組合。例如下圖，某個馬賽克像素其實(shí)同時包含了“o”和“b”，2字符能提供更加精確的匹配。

通過2字符匹配，可以精確辨識出對應(yīng)的文字

最終，生成了一個馬賽克塊查找表。

接著，Depix就可以憑借DebBruijn序列的馬賽克查找表，來匹配想要還原的馬賽克文本了。一旦某個馬賽克文本的塊，匹配上了查找表中的結(jié)果，那么就會很大程度上還原成為比較精確的文字——雖然還不算完美，但效果已經(jīng)足夠讓人辨認(rèn)這是怎樣的字符。

簡單來說，Depix的原理是用讓馬賽克匹配已知的打碼數(shù)據(jù)，然后進(jìn)行還原。這項(xiàng)技術(shù)的出現(xiàn)，對于用馬賽克隱藏密碼等場景，造成了挑戰(zhàn)。不過Depix顯然也有局限，它當(dāng)前主要用于識別英文字母和阿拉伯?dāng)?shù)字，對于海量的漢字，Depix暫時還無能為力。

Google Brain

Depix讓人看到了文字去碼的希望，而Google Brain，則是圖像去碼方面的代表。Google Brain是Google開展的AI項(xiàng)目，其中對于圖像消除馬賽克的研究，可謂是非常深入。

Google Brain使用的是一種全新的像素遞歸超分辨率技術(shù)，通過大量高、低分辨率的采樣學(xué)習(xí)，然后得出規(guī)律來匹配修復(fù)結(jié)果。

例如，Google Brain學(xué)習(xí)到了某種黑點(diǎn)是屬于眼鏡，那么在還原馬賽克的時候，就可以把這種黑點(diǎn)還原成眼睛。從測試來看，效果的確不同凡響。

這樣的AI技術(shù)有什么用？去除馬賽克只是特定場合的具體應(yīng)用，類似的算法在很多時候都可以發(fā)揮作用——只要當(dāng)圖像需要修復(fù)的時候，就有用武之地。

例如拍照片手抖了失焦了，糊成一片該咋辦？傳統(tǒng)的方法可能就是簡單粗暴的銳化了，而如果拍照APP使用AI技術(shù)，就可以“腦補(bǔ)”回丟失的細(xì)節(jié)和銳度，給你一張盡量可用的照片。

總結(jié)

除了上文所提到的，現(xiàn)在還有很多利用AI增強(qiáng)圖像的技術(shù)，例如Waif2x智能放大圖片技術(shù)，乃至NV家的DLSS技術(shù)，其實(shí)都和去馬賽克的AI有異曲同工之妙，都是通過AI“腦補(bǔ)”出不存在或者已損的圖像信息，來增強(qiáng)圖像清晰度。

在未來，隨著AI算法的完善、機(jī)器學(xué)習(xí)的積累以及硬件算力的進(jìn)步，AI去碼、圖像增強(qiáng)還會有更多驚人的效果，或許在未來某一天，馬賽克將不再成為觀瞻的障礙吧。
責(zé)編AJX