本文的作者魏秀深，该文章首次发表在作者的“知乎”专栏“寻找千里”中，并授权AI研究所发表。计算机视觉（CV）是一门研究如何使机器“看到”的科学。该领域的第一篇博士学位论文由麻省理工学院的拉里·罗伯茨（Larry Roberts）于1963年发表，即《三维固体的机器感知》。 （）标志着CV作为新兴的人工智能方向的研究的开始。经过50多年的发展，今天，让我们谈谈最近一些有趣的尝试，以使计算机视觉“一无所有”：1）超分辨率重建； 2）图像着色； 3）看图片聊天； 4）人像修复； 5）自动生成图像。可以看出，这五次尝试都是逐步进行的，难度和兴趣程度逐渐提高。 （注意：本文仅讨论视觉问题，并没有提及过于具体的技术细节。如果您对某一部分感兴趣，我将撰写另一篇文章供以后讨论：）去年夏天，一个岛国名为“ waifu 2x”的应用程序； （）在动画和计算机图形学中非常受欢迎。 waifu 2x可以借助深层的“卷积神经网络”将图像分辨率提高2倍。 （卷积神经网络，CNN），并同时降低图像的噪点。简而言之，就是要使计算机“一无所有”。填充原始图像中没有的一些像素，从而使漫画看起来更清晰，更真实。大家不妨看看下面的图片，我真的很想在童年时看到这么高清晰度的七龙珠（）！但是，需要指出的是，图像超分辨率的研究始于2009年左右。仅由于“深度学习”的发展，waifu 2x才能取得更好的结果。在CNN的特定训练中，输入图像是原始分辨率，并且将相应的超分辨率图像用作目标，以形成训练“图像对”。 （图像对），并且可以在模型训练后获得超分辨率重建模型。 waifu 2x的深层网络原型基于香港中文大学的唐小鸥教授[1]的团队的工作。有趣的是，[1]指出可以使用传统方法对深度模型进行定性解释。如下图所示，低分辨率图像可以在CNN的卷积和合并操作后获得抽象的特征图。基于低分辨率特征图，卷积和池化还可用于实现从低分辨率特征图到高分辨率特征图的非线性映射。最后一步是使用高分辨率特征图来重建高分辨率图像。实际上，这三个步骤与传统的超分辨率重建方法的三个过程是一致的。图像着色（Image ColorizaTIon），顾名思义，图像着色是将没有颜色的原始黑白图像填充。图像着色还使用卷积神经网络，并且输入是黑白图像和相应彩色图像的图像对，但是仅通过比较黑白像素和RGB像素来确定填充颜色，效果就不好。因为填色的结果必须符合我们的认知习惯，例如，将一块王兴仁的头发涂成亮绿色会使人感到怪异。因此，最近，早稻田大学在2016年SIGGRAPH国际计算机图形学大会上发表的一项工作[2]增加了一个“分类网络”。根据原始深度模型预先确定图像中的对象类别。用“基本”颜色填充它。下图分别是模型结构图和色彩还原演示，还原效果相当逼真。另外，这种工作还可以用于黑白电影的色彩恢复，只需在操作过程中取出视频的每一帧进行着色即可。 “看图片说话” （图像标题）经常说“图片和文字”。文字是描述图像之外的另一种方式。最近，一项名为“图像标题”的研究被提出来。已经逐渐升温。其主要任务是使用计算机视觉和机器学习方法从图像自动生成人类自然语言的描述，即“看图片说话”。值得一提的是，在今年的CV国际峰会CVPR中，图像标题被列为单独的部分，并且很受欢迎。一般来说，在图像标题中，使用CNN获取图像特征，然后