人的大腦擅長識別畫面里的人臉、物體等大輪廓，卻不擅長還原毛發(fā)的纖細(xì)紋理、皮膚的細(xì)膩質(zhì)感這些細(xì)節(jié)，而圖像復(fù)原技術(shù)恰好能填補(bǔ)這個空白。在圖像復(fù)原領(lǐng)域，人工智能可以比人完成得更為出色。無論是模糊不清的低分辨率圖像還是布滿瑕疵的老照片，人工智能都可以通過“神奇魔法”讓其變成高清圖像。
圖像復(fù)原技術(shù)的發(fā)展就像一場不斷升級的接力賽，已經(jīng)出現(xiàn)了3次重要革新：2014年的深度卷積網(wǎng)絡(luò)技術(shù)，讓圖像有了清晰的輪廓；2017年的對抗生成網(wǎng)絡(luò)技術(shù)，讓畫面觀感更自然；2023年的擴(kuò)散生成模型技術(shù)，為圖像增添了逼真的細(xì)節(jié)。到了2025年，對抗生成網(wǎng)絡(luò)和擴(kuò)散生成模型這兩項(xiàng)技術(shù)的融合，誕生了全新的智能復(fù)原大模型HYPIR，圖像復(fù)原領(lǐng)域有了新成果。
這個智能復(fù)原大模型主要有3個亮點(diǎn)。第一，它集對抗生成網(wǎng)絡(luò)和擴(kuò)散生成模型的優(yōu)點(diǎn)于一身，處理速度比第三代技術(shù)快了十幾倍，修復(fù)效果更出色，穩(wěn)定性也更強(qiáng)。第二，它搭上了文生圖大模型的“快車”，能生成8K級別的超高清細(xì)節(jié)，還能根據(jù)用戶輸入的提示詞進(jìn)行個性化智能修復(fù)。第三，它適應(yīng)性強(qiáng)，能輕松應(yīng)對多種場景和不同損壞類型的圖像。
那么，大模型是如何施展“修復(fù)魔法”的呢？
第一步，得先給圖像“大掃除”，去除圖像拍攝時的抖動、模糊，圖像壓縮留下的痕跡等“小毛病”，這樣才能保留圖像的真實(shí)信息，避免其他干擾。科研人員設(shè)計(jì)了一個專門的深度學(xué)習(xí)編碼器，讓它“吃進(jìn)”有瑕疵的圖像，“吐出”沒有缺憾的圖像；還通過人為制造各種圖像瑕疵的方式，構(gòu)建了幾億組“瑕疵—完好”的圖像對來訓(xùn)練這個編碼器。經(jīng)過多輪訓(xùn)練，編碼器就能熟練掌握去除圖像瑕疵的技能。
不過，這時候的圖像雖然干凈了，但看起來會比較平滑，缺乏自然的細(xì)節(jié)。所以第二步就是給圖像“添細(xì)節(jié)”。這里就要用到文生圖大模型了，它能根據(jù)文字描述生成自然圖像。這一步需要輸入兩個信息：一個是已經(jīng)去除瑕疵的圖像，一個是對圖像的內(nèi)容描述。此時，多模態(tài)大模型就派上用場了，它能“看懂”圖像內(nèi)容，并輸出相應(yīng)的文字描述，作為文生圖大模型的“創(chuàng)作指南”。有了這兩個大模型的配合，就能精準(zhǔn)理解圖像并生成豐富細(xì)節(jié)。
最后，也是最關(guān)鍵的一步，是訓(xùn)練這個模型，讓它成為圖像復(fù)原的“高手”。這需要用到一種名為“對抗生成訓(xùn)練”的方法：讓文生圖大模型扮演“生成器”，負(fù)責(zé)生成修復(fù)后的圖像；再選一個圖像分類網(wǎng)絡(luò)當(dāng)“判別器”，專門判斷生成的圖像是不是自然真實(shí)的。生成和判別這兩個步驟交替進(jìn)行，雙方不斷提升自己的能力——生成器讓圖像越來越逼真，判別器的判斷越來越精準(zhǔn)，直到兩者達(dá)到平衡。
圖像復(fù)原技術(shù)已逐漸融入手機(jī)攝影、電視播放、高清屏幕顯示、歷史影像修復(fù)、科學(xué)研究中的圖像處理等領(lǐng)域，成為一項(xiàng)與生活密切相關(guān)實(shí)用技術(shù)。期待隨著科技迭代革新的不斷推進(jìn)，這項(xiàng)技術(shù)能更好造福社會，讓更多時光里的畫面重?zé)ü獠省?/p>
（作者為中國科學(xué)院深圳先進(jìn)技術(shù)研究院數(shù)字所研究員）
《 人民日報(bào) 》（ 2025年08月16日 05 版）