人的大脑擅长识别画面里的人脸、物体等大轮廓，却不擅长还原毛发的纤细纹理、皮肤的细腻质感这些 细节，而图像复原技术恰好能填补这个空白。在图像复原领域，人工智能可以比人完成得更为出色。无 论是模糊不清的低分辨率图像还是布满瑕疵的老照片，人工智能都可以通过"神奇魔法"让其变成高清图 像。 第一步，得先给图像"大扫除"，去除图像拍摄时的抖动、模糊，图像压缩留下的痕迹等"小毛病"，这样 才能保留图像的真实信息，避免其他干扰。科研人员设计了一个专门的深度学习编码器，让它"吃进"有 瑕疵的图像，"吐出"没有缺憾的图像；还通过人为制造各种图像瑕疵的方式，构建了几亿组"瑕疵—完 好"的图像对来训练这个编码器。经过多轮训练，编码器就能熟练掌握去除图像瑕疵的技能。 不过，这时候的图像虽然干净了，但看起来会比较平滑，缺乏自然的细节。所以第二步就是给图像"添 细节"。这里就要用到文生图大模型了，它能根据文字描述生成自然图像。这一步需要输入两个信息： 一个是已经去除瑕疵的图像，一个是对图像的内容描述。此时，多模态大模型就派上用场了，它能"看 懂"图像内容，并输出相应的文字描述，作为文生图大模型的"创作指南"。有了这两个大模型的配合， 就 ...

图像复原领域长期存在一个两难困境：追求高质量往往耗时长，而追求高效率则难免损失细节精度。如 何把一张老照片修复得又快又好？ 近日，中国科学院深圳先进技术研究院发布HYPIR图像复原大模型。它由该院先进计算与数字工程研究 所研究员董超团队研发，为图像复原技术的实际应用提供了更高效的解决方案，更为影视修复、文化传 承与保护等领域带来新的可能。 传统方法中，基于预训练扩散模型的复原技术显著提升了图像复原效果，但存在计算复杂度高、推理速 度慢、训练资源消耗大以及生成结果可控性不足等问题。这些成为限制图像复原技术发展的瓶颈。 2024年，董超团队研发出智能画质增强大模型SUPIR。它能将低质量的图像恢复到接近原始状态的高清 图像，有效修复多种退化类型的图像。 HYPIR作为SUPIR的升级版，舍弃了迭代式扩散模型训练，改用单步的对抗生成模型训练方式，将原有 的算法速度提升了数倍。同时，HYPIR采用更新的文生图基模型进一步提升算法效果，实现8K级别的 细节生成，在生成图像的稳定性和可控性方面远超SUPIR大模型。 "以往的图像复原往往包括扩散模型蒸馏等过程。HYPIR则不需要依赖这些步骤，复原方法更加简单。 它在训练和 ...

图像复原领域长期面临一个难题：要么追求质量却耗时漫长，要么追求速度却牺牲细节。如何把一张老 照片修复得又快又好？ 近日，中国科学院深圳先进技术研究院数字所董超研究员团队发布了一项名为HYPIR的图像复原大模 型，不仅比现有的图像复原技术快数十倍，更在高清分辨率、文字保真、理解能力、用户控制灵活性等 方面展现出了优异性能，为图像复原技术的实际应用提供了更高效的解决方案，更为文化传承与保护、 影视修复等领域带来新的可能性。 董超研究员（左）介绍HYPIR大模型。 突破传统技术瓶颈，图像修复更高效 传统方法中，基于预训练扩散模型的复原技术显著提升了图像复原效果，但存在计算复杂度高、推理速 度慢、训练资源消耗大以及生成结果可控性不足等问题，成为了限制图像复原技术发展的瓶颈问题。 去年，董超团队提出了智能画质增强大模型SUPIR，将低质量的图像恢复到接近原始状态的高清图像， 有效修复多种退化类型的图像。而此次图像大模型HYPIR作为升级版，舍弃了迭代式的扩散模型训练， 改用单步的对抗生成模型训练方式，将原有的算法速度提升了数倍，同时采用更新的文生图基模型进一 步提升算法效果，实现了8K级别的细节生成，在生成图像的稳定性 ...