如果你曾在低亮度環(huán)境下拍過照片，那你可能對一個(gè)叫“噪點(diǎn)”的術(shù)語比較熟悉，也就是照片上常出現(xiàn)的那些顆粒狀的彩色或白色斑點(diǎn)，正是它讓我們所拍的照片模糊不清。以往用一些圖像編輯軟件也能修復(fù)這個(gè)問題，只是要費(fèi)一番功夫。

由NVIDIA、阿爾托大學(xué)和麻省理工學(xué)院的研究者聯(lián)合研發(fā)的一款叫Noise2Noise的AI技術(shù)，能夠自動(dòng)降低或去除圖像上的噪點(diǎn)，只需看一眼模糊圖像就能將它們變?yōu)楦咔鍒D，而且神奇的是，這個(gè)AI無需查看沒有噪點(diǎn)的照片。他們在研究論文中寫道，通過利用機(jī)器學(xué)習(xí)技術(shù)重建圖像信號——將圖像中受損觀察值映射為清晰信號，可以得到一個(gè)有力的結(jié)論：在一定常見情況下，AI即使從未見過清晰圖像，也能學(xué)習(xí)復(fù)原圖像信號，而且效果和利用清晰圖像訓(xùn)練出的AI相差無幾。

近來在圖像處理領(lǐng)域也出現(xiàn)了不少深度學(xué)習(xí)研究，通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)為照片降噪或去噪，比如去年德國普朗克研究所用神經(jīng)網(wǎng)絡(luò)修復(fù)低分辨率圖像（戳這里了解），但都存在一個(gè)缺點(diǎn)——需要向模型展示成對的噪點(diǎn)和清晰示例圖像。NVIDIA等團(tuán)隊(duì)研發(fā)的這個(gè)AI則更進(jìn)一步，學(xué)會(huì)了如何填補(bǔ)噪點(diǎn)圖像和清晰圖像之間的差距。它之所以如此特殊，是因?yàn)樗换谂鋵Φ那逦鷪D像和噪點(diǎn)圖像而是配對的噪點(diǎn)圖像來訓(xùn)練網(wǎng)絡(luò)，并且只需要噪點(diǎn)圖像。此外模型的訓(xùn)練時(shí)間也大幅提高，以往訓(xùn)練一個(gè)AI降噪模型需要幾天，這個(gè)AI只需幾分鐘。

在從未見過沒有噪點(diǎn)的圖像的情況下，AI能夠輕松移除圖像上的偽影、噪點(diǎn)和粒度，自動(dòng)將圖像增強(qiáng)為高清圖，速度達(dá)到毫秒級。

利用NVIDIA Tesla P100 GPU和TensorFlow深度學(xué)習(xí)框架，研究團(tuán)隊(duì)使用ImageNet驗(yàn)證數(shù)據(jù)集中的5萬張圖像訓(xùn)練了他們研發(fā)的系統(tǒng)，并用三種不同的數(shù)據(jù)集驗(yàn)證AI系統(tǒng)。

在實(shí)際測試中，對于包含多種噪點(diǎn)的圖像，比如附加高斯噪點(diǎn)、泊松噪點(diǎn)、Binomial噪點(diǎn)等，AI均能有效降噪和去噪。

而且除了我們?nèi)粘Ｉ钪信臄z的照片，這個(gè)AI還能用于增強(qiáng)已知的含有大量噪點(diǎn)的圖像，比如天文攝影、核磁共振成像（MRI）或大腦掃描圖像。

研究人員利用XMX數(shù)據(jù)集中約5千張MRI圖像訓(xùn)練了AI的去噪能力，他們將原始清晰圖像添加了不同比例的噪點(diǎn)，只用它們訓(xùn)練AI，也就是說AI并不知道清晰的MRI圖像是怎樣的，完全靠自己的學(xué)習(xí)將圖像復(fù)原。

我們可以看到，AI去噪后的圖像清晰度已經(jīng)非常接近原始圖像。

另外，AI還能去除圖像上的文字。訓(xùn)練方法和前面的一樣，只用被文字遮蓋的圖像訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)，能將圖像上彈幕一般的文字一掃而光。