Google 推出全新 AI 照片超分辨率技术

Google最近推出了基于人工智能的图像超分辨率技术，可提升低分辨率图像的画质。

在Google的AI博客上题为“使用扩散模型进行高保真图像生成”的文章中，Brain Team的研究人员展示了两款用于生成高保真图像的扩散模型。

研究团队提出了两种相互关联的方法，旨在突破扩散模型在图像合成质量方面的边界。这两种模型分别是“通过重复细化实现超分辨率”（SR3）和“级联扩散模型”（CDM）。

首先是SR3，这是一种超分辨率扩散模型，它接收低分辨率图像作为输入，并从纯噪声中构建出对应的超高分辨率图像。超分辨率技术具有多种应用场景，从修复旧家庭肖像到改善医学成像系统。

据研究团队介绍，该模型是在图像退化过程中进行训练的：向高分辨率图像逐步添加噪声，直至仅剩纯噪声。随后，模型学习逆转这一过程，从纯噪声开始，在输入低分辨率图像的引导下逐步去除噪声，最终达到目标分布。

然而，在大规模训练下，SR3 在将输入低分辨率图像放大至 4 倍至 8 倍的超分辨率任务中，针对人脸和自然图像均取得了优异的基准结果。

与此同时，在目睹SR3的有效性后，Google利用这些SR3模型进行了类别条件图像生成。

CDM 被识别为在 ImageNet 数据上训练的类别条件扩散模型，用于生成高分辨率自然图像。“由于 ImageNet 是一个困难且高熵的数据集，我们构建了由多个扩散模型组成的级联系统，” Google 在博客中表示。

此外，这种级联方法涉及在多个空间分辨率上串联多个生成模型：一个扩散模型用于生成低分辨率数据，随后是一系列SR3超分辨率扩散模型，逐步将生成的图像分辨率提升至最高。

“借助SR3和CDM，我们将扩散模型在超分辨率和类别条件ImageNet生成基准测试中的性能推向了最先进水平，”Google表示。

Google将进一步测试扩散模型在各类生成建模问题中的极限。

来源：Google AI 博客，经 PetaPixel 转载