近日，杜克大學的研究團隊研發了一個AI圖像生成模型PULSE。PULSE可以在5秒鐘內將低分辨率的人像轉換成清晰、逼真的人像。要指出的是，PULSE所做的工作并不是把輸入的低分辨率人像變成一張高分辨率的人像，而是“一對多”地輸出許多張面部細節各不相同的高分辨率人像。比如，用戶輸入一張16*16分辨率的圖像，PULSE可輸出一組1024*1024分辨率的圖像。

這項研究于本月在計算機視覺與模式識別頂會CVPR 2020上發表，論文標題為《PULSE：通過對生成模型的潛在空間探索實現自監督照片上采樣（PULSE：Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models）》。

論文鏈接：https://drive.google.com/file/d/1fV7FsmunjDuRrsn4KYf2Efwp0FNBtcR4/view

PULSE項目官網：http://pulse.cs.duke.edu/

GitHub：https://github.com/adamian98/pulse

一、PULSE：能為天文學/醫學提供參考

在好萊塢間諜電影中，肩負拯救世界重任的特工常常采用高科技手段、把一張模糊的兇犯照片還原成清晰的人臉照片。現實中，許多研究人員致力于用AI技術使電影中的炫酷場景成真。但是，現有AI模型的性能普遍較差，生成的人臉圖像往往與照片主人公的真實長相并不相似。

杜克大學計算機科學專業教授Cynthia Rudin指出，這是因為低像素圖像中的信息較少，AI模型無法準確地“補足”缺失信息、進而還原出清晰人臉圖像。因此，用AI技術對模糊人像進行面部識別十分困難。

Rudin團隊認為，雖然不能用于模糊人像的面部識別，但是這類AI模型可以作為一種分類和探索工具，用于天文學、醫學等難以獲得清晰圖像的領域。也就是說，基于模糊圖像中缺失信息的各種可能性，AI模型可以生成許多清晰的圖像，生成的多種圖像可以為天文學、醫學等領域研究人員提供參考。

基于這種設想，杜克大學研究人員研發了基于生成式對抗網絡（GAN）的圖像超分辨率模型PULSE。PULSE模型基于NVIDIA的StyleGAN算法進行開發。

二、降尺度損失方法：用生成圖像“倒推”模糊圖，相似才能輸出

為了保證輸出圖像與輸入圖像的“對應性”，研究人員在PULSE模型中應用了一種“降尺度損失（downscaling loss）”方法。

當PULSE模型的生成網絡提議以一張清晰圖像作為輸出時，判別網絡會把這張清晰圖像的分辨率降低到與輸入圖像相等的水平。然后，判別網絡會對比降尺度損失圖像與輸入圖像之間的相似性。

只有在降尺度損失圖像與輸入圖像相似性較高時，判別網絡才會判定生成網絡提議的清晰圖片可以作為輸出。

▲基于同一張模糊的圖像，PULSE可以生成面部細節不同的清晰圖像

三、40位評估者參與打分，PULSE模型MOS得分最高

研究人員用高分辨人臉數據集CelebA HQ評估PULSE的性能。為了進行對比，研究人員利用CelebA HQ數據集訓練了監督模型BICBIC、FSRNET和FSRGAN。

所有模型均以16*16分辨率的圖像作為輸入，BICBIC、FSRNET和FSRGAN模型以128*128分辨率圖像作為輸出，PULSE模型以128*128分辨率圖像和1024*1024分辨率圖像作為輸出。

評估結果顯示，圖像質量方面，PULSE模型在生成眼睛、嘴唇等圖像細節方面的能力優于其他模型。

▲PULSE生成圖像的嘴唇、眼睛更加清晰

接下來，研究人員用平均意見分數（MOS）測試來定量評估模型的分辨率。研究人員應用6個模型生成128*128分辨率的圖像，邀請40位評估者對6個模型的輸出結果進行打分。

用于對比的模型分別是：HR、Nearest、Bicubic、FSRNet、FSRGAN。

結果顯示，PULSE的MOS分數最高，為3.60，即評估者認為PULSE模型生成的圖像分辨率最高。

結語：代碼已在GitHub開源，用戶擔憂種族偏見

本項研究中，杜克大學研發的PULSE模型能夠基于一張模糊的人像，生成多張面部細節不同的清晰人像，為使用者提供一個可能的參考范圍。目前，研究團隊已將模型代碼在GitHub開源，鼓勵其他開發者進行實驗。

研究人員稱，在未來，PULSE或可被用于天文學、醫學等領域。比如，一位天文學研究人員可以輸入一張模糊的黑洞圖像，并獲得許多可能的天體照片。

同時，也有人對PULSE的種族偏見問題表示擔憂。有Twitter用戶爆料稱，其在PULSE模型中輸入深膚色種族（比如奧巴馬的照片）的人臉照片后，PULSE輸出了白人的照片。研究人員稱，目前他們正嘗試通過引入更廣泛的數據集解決這一問題。