杜克大学(Duke University)的研究人员开发了一种人工智能工具，可以将模糊的、无法识别的人脸图像转换成计算机生成的肖像，其细节比以往任何时候都更加精细，令人信服。

以前的方法可以将人脸图像缩放到原始分辨率的8倍。但是杜克大学的团队已经想出了一种方法，用少量的像素创造出分辨率高达64倍的真实面孔，“想象”出一些特征，比如细纹、睫毛和胡茬，这些都是最初不存在的。杜克大学计算机科学家辛西娅·鲁丁领导了这个研究小组，她说:“以前从未有过以这样的分辨率、拥有如此多细节的超高分辨率图像。”

研究人员表示，该系统不能用于识别身份：它不会将安全摄像头拍摄的失焦、无法识别的照片变成真人的清晰图像。不过，它能够生成不存在但看起来似乎真实的新面孔。

合著者Sachit Menon '20岁，刚从杜克大学毕业，主修数学和计算机科学，他说，虽然研究人员把重点放在人脸上作为概念的证明，但理论上同样的技术可以拍摄几乎任何东西的低分辨率照片，并创造出清晰、逼真的图像，应用范围从医学和显微镜到天文学和卫星图像。

传统的方法取一幅低分辨率的图像，然后“猜测”需要多少额外的像素，试图让它们平均匹配电脑以前见过的高分辨率图像中相应的像素。由于这种平均，头发和皮肤上的纹理区域可能无法从一个像素到另一个像素完美地排列，最终看起来模糊不清。

杜克大学的团队想出了一个不同的方法。该系统不会先拍一张低分辨率的图像，然后慢慢地添加新的细节，而是会搜索人工智能生成的高分辨率面孔样本，在缩小到相同大小时，尽可能地寻找与输入图像相似的面孔。

该团队使用了一种机器学习工具，称为“生成式对抗网络”，简称GAN，它是针对同一组照片数据训练的两个神经网络。一个网络提出人工智能创造的人脸，模仿它所接受的训练，而另一个网络接收输出，并判断它是否有足够的说服力，可以被误认为是真实的。随着经验的积累，第一个网络变得越来越好，直到第二个网络无法区分。

PULSE可以从嘈杂、低质量的输入中创建出逼真的图像，这是其他方法所不能做到的，鲁丁说。从一张模糊的人脸图像中，它可以生成许多不可思议的栩栩如生的可能性，每一种可能性看起来都微妙地像一个不同的人。即使给出眼睛和嘴巴几乎认不出来的像素化照片，

该系统可以在几秒钟内将一张16 x 16像素的人脸图像转换为1024 x 1024像素，增加100多万像素，相当于高清分辨率。在低分辨率照片中难以察觉的细节，如毛孔、皱纹和头发，在电脑生成的版本中变得清晰。

研究人员让40个人对通过PULSE和其他五种评分方法生成的1440张图片进行评分，评分范围从1到5,PULSE的评分最高，几乎和真人的高质量照片一样高。