ai|可怕！被狠狠打了『马赛克』的图片，就这样被AI还原了( 二 ) 算法|微博

对于大多数像素化图像而言， Depix可以找到块的单个匹配结果。它先假设这些块是正确的，然后将周围多个匹配块进行比较，使其与像素化图像中的几何距离相同，并假设这些匹配也是正确的。

在正确的块没有更多几何匹配后， Depix 直接输出所有正确的块。对于多匹配块， Depix 将输出所有匹配的平均值。虽然 Depix 的输出并不完美，但已经算不错了。

下图展示了包含随机字符的测试图像的去像素化结果，大部分字符被正确读取：
最后需要说明的是， Mellema开发这个AI项目并不是为了窃取信息，而是利用ECB和明文攻击（Known-Plaintext Attacks）的模式，提高信息保护技术。在他看来，不知道如何破坏当前的保护模式，是信息安全中的常见陷阱。
AI还原『人脸图像』如前所述，除了字符密码， AI还原人脸照也不在话下。
今年6月中旬，杜克大学推出AI算法—PULSE ，可以将低分辨率的人脸图像放大64倍，即使是打了马赛克，面部的毛孔、皱纹，头发也都能变得清晰可见。
不过，被还原的人脸是一全新的虚拟面孔，并不是真实存在的。其中眼睛、鼻子、嘴巴等五官是AI在原始图像的基础上，自行想象出的结果。
因此，这项AI技术不能用于身份识别。比如监控摄像头拍摄的失焦、无法辨别的图片，不能通过PULSE还原成真实存在的人像。不过，它在医学、显微镜、天文学，以及卫星图像等领域有着广泛的应用场景。
在技术方面，不同其他超分辨率算法， PULSE不是遍历LR（Low Resolution）图像来慢慢添加细节，而是发现与HR相对应的LR ，通过“缩减损失（Downscale）”的方式得到SR（Super Resolution)图像。
其次， PULSE使用了生成对抗网络（GAN）来进行模型训练。 GAN包括一个生成器（Generator）和一个鉴别器（Discriminator），在同一组照片训练中，二者通过相互博弈的方式检验输出是否足够逼真。
最后，无论是利用AI还原字符密码、还是人脸图像，其初心都是科技向善。但这些AI技术不可避免地被有些人用于不良或非法用途。
【ai|可怕！被狠狠打了『马赛克』的图片，就这样被AI还原了】因此，在这个科技高速发展的现在，保护个人数据显得尤为重要。