身為一個(gè)編輯，除了文字工作這個(gè)主要的工作內(nèi)容之外，經(jīng)常還需要考慮一個(gè)很重要的問題：插圖。

全是文字的文章肯定沒有圖文形式的文章抓人眼球，更別提這個(gè)視頻當(dāng)?shù)赖哪甏?，因此每次撰寫文章的時(shí)候，筆者都要在無版權(quán)圖片網(wǎng)站精挑細(xì)選，讓圖片和文章主旨契合，并且最好是高分辨率的圖像。

但意外也總是有的，有的時(shí)候遇到了分辨率不足但偏偏最適合的圖像，就很讓人苦惱了，直接將低分辨率圖像插入文章中，會很明顯地感覺到視覺上的不舒適，雖然現(xiàn)在PS甚至是Windows自帶的畫圖工具都能修改圖片分辨率，但強(qiáng)行拉伸的結(jié)果只會是：圖片非常糊。

可以看到，在進(jìn)行圖片拉伸后，圖片邊緣已經(jīng)出現(xiàn)了明顯的毛刺感。

那有沒有什么方法能夠讓圖片無損放大呢?

別說，還真有，這個(gè)來自GitHub的項(xiàng)目“waifu2x”就能做到。

項(xiàng)目地址為https://github.com/nagadomi/waifu2x，有興趣的朋友可以研究一下，網(wǎng)頁版地址為http://waifu2x.udp.jp/。

閑話少說，這里直接放使用waifu2x和普通拉伸圖片后的對比(左側(cè)為拉伸，右側(cè)為使用waifu2x的效果)。

可以看到，使用waifu2x放大圖片后，“5G”邊緣的毛刺感不再明顯，雖然部分區(qū)域還存在噪點(diǎn)問題，但整體上來說，比直接拉伸的效果要好太多。

那為什么waifu2x可以做到無損放大圖片呢?這是因?yàn)閣aifu2x使用了名為SR-CNN的卷積算法，傳統(tǒng)意義上來說，圖像超分辨率問題研究的是在輸入一張低分辨率圖像時(shí)(LR)，如何得到一張高分辨率圖像(HR)。

傳統(tǒng)的圖像插值算法可以在某種程度上獲得這種效果，比如最近鄰插值、雙線性插值和雙三次插值等，但是這些算法獲得的高分辨率圖像效果并不理想。

SR-CNN是首個(gè)使用CNN結(jié)構(gòu)(即基于深度學(xué)習(xí))的端到端的超分辨率算法，它將整個(gè)算法流程用深度學(xué)習(xí)的方法實(shí)現(xiàn)了，并且效果比傳統(tǒng)多模塊集成的方法好。

SR-CNN流程如下:首先輸入預(yù)處理。對輸入的低分辨率LR圖像使用bicubic算法進(jìn)行放大，放大為目標(biāo)尺寸。

那么接下來算法的目標(biāo)就是將輸入的比較模糊的LR圖像，經(jīng)過卷積網(wǎng)絡(luò)的處理，得到超分辨率SR的圖像，使它盡可能與原圖的高分辨率HR圖像相似。

與Bicubic、SC、NE+LLE、KK、ANR、A+這些超分算法相比，SR-CNN在大部分指標(biāo)上都表現(xiàn)最好，且復(fù)原速度也在前列，且RGB通道聯(lián)合訓(xùn)練效果最好，這就意味著相比照片，waifu2x在放大插畫(你們最喜歡的二次元圖片)時(shí)會更有優(yōu)勢。

關(guān)于SR-CNN卷積算法，可以到https://arxiv.org/abs/1501.00092了解更多詳情。

那既然圖片可以無損放大，視頻呢?

結(jié)果當(dāng)然也是可行的，不過這次用到的工具，叫做Topaz Gigapixel AI for Video，這個(gè)軟件通過數(shù)千個(gè)視頻進(jìn)行培訓(xùn)，并結(jié)合來自多個(gè)輸入視頻幀的信息，通過真實(shí)的細(xì)節(jié)和運(yùn)動一致性將視頻放大至8K分辨率。

作為一個(gè)AI軟件，它需要一臺快速的計(jì)算機(jī)。推薦的系統(tǒng)配置是32 GB RAM加上具有6GB或更大顯存的NVIDIA顯卡。雖然也勉強(qiáng)能在舊電腦上跑，但速度會非常慢。

那Topaz Gigapixel AI for Video是如何做到放大視頻的呢?其實(shí)在安裝的時(shí)候，會發(fā)現(xiàn)這個(gè)軟件會安裝TensorFlow庫和cuDNN庫，所以很明顯，該軟件就是運(yùn)用基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)對每一幀進(jìn)行處理,全程跑CUDA單元(要不然也不會這么慢了)。

熟悉顯卡的老哥們都知道，顯卡作為電腦主機(jī)里的一個(gè)重要組成部分，是電腦進(jìn)行數(shù)模信號轉(zhuǎn)換的設(shè)備，承擔(dān)輸出顯示圖形的任務(wù)。

顯卡接在電腦主板上，它將電腦的數(shù)字信號轉(zhuǎn)換成模擬信號讓顯示器顯示出來，同時(shí)顯卡還是有圖像處理能力，可協(xié)助CPU工作，提高整體的運(yùn)行速度。對于從事專業(yè)圖形設(shè)計(jì)的人來說顯卡非常重要。

民用和軍用顯卡圖形芯片供應(yīng)商主要包括AMD和NVIDIA兩家(今年Intel也會加入亂戰(zhàn))。

GPU的構(gòu)成相對簡單，有數(shù)量眾多的計(jì)算單元和超長的流水線，特別適合處理大量的類型統(tǒng)一的數(shù)據(jù)，例如矩陣乘法和加法，因此顯卡在AI領(lǐng)域的應(yīng)用也就變得十分廣泛，CUDA是NVIDIA推出的只能用于自家GPU的并行計(jì)算框架。

只有安裝這個(gè)框架才能夠進(jìn)行復(fù)雜的并行計(jì)算，主流的深度學(xué)習(xí)框架也都是基于CUDA進(jìn)行GPU并行加速的，Tensorflow也不例外。

不過比較遺憾的是，Topaz Gigapixel AI for Video的售價(jià)還是比較貴的，接近200美元的價(jià)格可以勸退很多人了，但用來還原或者修復(fù)某些古老的影視作品還是相當(dāng)有用的，現(xiàn)在能在B站搜索到的相當(dāng)一部分【4K修復(fù)】視頻，都是基于這個(gè)軟件制作的。

現(xiàn)在想想，AI的出現(xiàn)確實(shí)解決了生活中的很多實(shí)際問題，如果沒有卷積神經(jīng)網(wǎng)絡(luò)的高速發(fā)展，看到高清重制版的古老影視作品，可能只會存在于想象中。