說到神經(jīng)網(wǎng)絡，你第一個想到的什么，有不少人第一個想到的應該是前段時間大火的換臉 APP“ZAO”，神經(jīng)網(wǎng)絡在圖片領(lǐng)域堪稱“魔法”的應用第一次展現(xiàn)在每一個普通用戶面前。

不少用戶在使用過ZAO后，對神經(jīng)網(wǎng)絡產(chǎn)生了“技術(shù)恐懼”，擔心ZAO會對自己的肖像權(quán)產(chǎn)生侵害，ZAO也因為種種原因迅速下架，成為技術(shù)應用的“負面典型”。

但神經(jīng)網(wǎng)絡還有另一種用法，那就是對圖像進行增強。

神經(jīng)網(wǎng)絡翻新老電影

最近，國外一個YouTuber發(fā)布了通過神經(jīng)網(wǎng)絡增強的1895年拍攝的紀錄片《火車進站》，整部電影只有45秒長度，由路易·盧米埃和奧古斯特·盧米埃拍攝于法國一沿海城市。

傳說放映到火車駛向鏡頭的時候，大量觀眾驚恐的從劇院跑出，展現(xiàn)了當時人們對新技術(shù)的好奇和恐懼。當然，這些往事都已經(jīng)成為了都市傳說。

不過由“新技術(shù)”的神經(jīng)網(wǎng)絡對這部電影進行翻新，也有著深遠的意義。

1895年拍攝的《火車進站》采用35mm格式膠片制作，由于當時的放映機由手搖進行驅(qū)動，我們可以粗略的認為其原始幀率在16幀到24幀之間。

由于當時的膠片技術(shù)尚未成熟，我們可以看到畫面景物都是比較模糊的，火車在駛來的同時還帶有明顯的拖影。

但經(jīng)過了神經(jīng)網(wǎng)絡的畫面分辨率增強和插幀之后，這部老電影獲得了4K ~ 60fps的畫質(zhì)。如果不是電影黑白的畫面和膠片電影獨有的畫面抖動，畫面流暢度和清晰度幾乎可以與現(xiàn)在的智能手機相媲美。

是什么讓神經(jīng)網(wǎng)絡在圖像增強和插幀上有著這樣的效果呢？

我們知道，數(shù)字視頻的清晰度一般由分辨率和幀率決定（暫且不考慮影響圖像壓縮質(zhì)量的碼率）。神經(jīng)網(wǎng)絡對視頻的增強，也主要集中在這兩種參數(shù)上。

分辨率增強

首先我們來談談分辨率增強，想要將一張低分辨率的圖片變成高分辨率的圖片，我們就需要猜測放大產(chǎn)生的未知像素。通常情況下，我們會采用某種插值算法進行計算，在圖像邊緣的模糊和鋸齒間獲得平衡，這種計算通常無法增加圖像細節(jié)，即使放大了圖像，依舊顯得很模糊。

神經(jīng)網(wǎng)絡在增強分辨率上就有著獨到的優(yōu)勢，或許你之前曾經(jīng)聽說過一個軟件waifu2x ，動漫愛好者們經(jīng)常用它來放大動漫插圖。當然，它同樣可以用作照片放大。

waifu2x的核心方法就是通過機器學習，訓練一個端到端的網(wǎng)絡，使用低分辨率的圖像作為輸入得到對應的高分辨率結(jié)果圖像，最后得到的結(jié)果在圖像的鋸齒與模糊程度有較好表現(xiàn)，其訓練的原理類似于FCN模型。

在效果上，waifu2x的SRCNN（超分辨率卷積神經(jīng)網(wǎng)絡）要好于傳統(tǒng)的雙三次插值算法。

當然，waifu2x的算法僅能在靜態(tài)圖片上使用。不過方法都是相同的，madvr 中放大視頻分辨率的ngu算法也是類似的原理。

視頻插幀

對于視頻插幀來說，神經(jīng)網(wǎng)絡也有自己的用武之地，之前英偉達發(fā)布了一個叫做Super SloMo的神經(jīng)網(wǎng)絡，能通過聯(lián)合建模的運動解釋和遮擋推理配合光流算法生成中間幀。

這種技術(shù)能將原本30幀的視頻放慢到240幀，并在其中添加畫面的運動細節(jié)。

華為Mate 30 Pro的7680幀慢動作，也是通過神經(jīng)網(wǎng)絡對1080P/960fps 的視頻插幀生成的?？梢婎愃频纳窠?jīng)網(wǎng)絡插幀算法確實有很高的使用價值。

寫在最后：技術(shù)是一把雙刃劍

可以看到，神經(jīng)網(wǎng)絡對圖像的處理（也就是常說的AI圖像）并不是一個很可怕技術(shù)，它是一把雙刃劍，如果你用它來給視頻換臉，侵犯他人肖像權(quán)，它就是不好的技術(shù)。

但如果我們能將其用在老電影翻新、手機超級慢動作、和實時視頻增強，那它就是好技術(shù)。

或許那位翻新《火車進站》的YouTuber，也正是想用這部電影的傳奇故事告訴我們，“不要恐懼新技術(shù)的到來?！?/p>