《人民日报》(2025年08月16日05版)

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。

图像复原技术的发展就像一场不断升级的接力赛，已经出现了3次重要革新：2014年的深度卷积网络技术，让图像有了清晰的轮廓；2017年的对抗生成网络技术，让画面观感更自然；2023年的扩散生成模型技术，为图像增添了逼真的细节。到了2025年，对抗生成网络和扩散生成模型这两项技术的融合，诞生了全新的智能复原大模型HYPIR，图像复原领域有了新成果。

这个智能复原大模型主要有3个亮点。第一，它集对抗生成网络和扩散生成模型的优点于一身，处理速度比第三代技术快了十几倍，修复效果更出色，稳定性也更强。第二，它搭上了文生图大模型的“快车”，能生成8K级别的超高清细节，还能根据用户输入的提示词进行个性化智能修复。第三，它适应性强，能轻松应对多种场景和不同损坏类型的图像。

那么，大模型是如何施展“修复魔法”的呢？

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，就能精准理解图像并生成丰富细节。

最后，也是最关键的一步，是训练这个模型，让它成为图像复原的“高手”。这需要用到一种名为“对抗生成训练”的方法：让文生图大模型扮演“生成器”，负责生成修复后的图像；再选一个图像分类网络当“判别器”，专门判断生成的图像是不是自然真实的。生成和判别这两个步骤交替进行，双方不断提升自己的能力——生成器让图像越来越逼真，判别器的判断越来越精准，直到两者达到平衡。

图像复原技术已逐渐融入手机摄影、电视播放、高清屏幕显示、历史影像修复、科学研究中的图像处理等领域，成为一项与生活密切相关实用技术。期待随着科技迭代革新的不断推进，这项技术能更好造福社会，让更多时光里的画面重焕光彩。

(作者为中国科学院深圳先进技术研究院数字所研究员董超)

云南白药集团与云南邮政、云南邮储召开战略合作推进座谈会8月27日下午，云南白药集团股份有限公司、中国邮政集团有限公司云南省分公司、中国邮政储蓄银行云南省分行三方战略合作推进座谈会在云南白药集团总部召开。云南白药集团副董事长、总裁董明，中国邮政集团云南省分公司总经理严明，中国邮政储蓄银行云南省分行副行长谢建国率队参加了座谈会议