在惊慌失措之前，请注意，这并不是可以消除模糊的令人毛骨悚然的反向像素化，因为AI带来的面孔是虚假的-它们不属于真实人。但这是从此类网络以前能够做到的技术上很酷的一步。

PULSE(通过潜伏空间探索进行照片上采样)系统可以生成分辨率比源图像高64倍的照片，其分辨率比以前的方法高8倍。

杜克大学(Duke University)的计算机科学家Cynthia Rudin说：“从来没有在如此高分辨率的情况下创建过如此高分辨率的超高分辨率图像。”

PULSE的工作是向后工作，生成全分辨率的人脸照片，使其在像素化时看起来像模糊的原始照片，而不是从模糊的图像开始并尝试进行详细添加以找到匹配项。16 x 16像素的网格可以在几秒钟内转换为1,024 x 1,024的图像，并添加了超过一百万个像素。

该系统利用生成对抗网络或GAN，该网络本质上是将两个神经网络(旨在模仿人脑的复杂AI学习引擎)相互抵制，并且都在同一组照片上进行训练。一个生成人脸，另一个人决定该脸是否足够逼真。

通过这种方法，研究人员能够获得没有模糊或模糊区域的图像，而使用其他技术时，这些模糊或模糊区域有时会出现在最终产品中。

该系统成功的部分原因在于它寻找将缩小到原始图像的任何图像的方式，而不是试图找到一个适合源的“真实”图像。它快速测试了很多选项–遍历其名称中的“潜在空间” –直到找到匹配项。

诸如此类的GAN继续变得越来越复杂：您可能还记得，科技巨头Nvidia一直在炫耀一种生成性的对抗网络，该网络能够生成实际上并不存在的人的令人毛骨悚然的真实照片。

在这种情况下，图像是通过将现有的面孔混合成新的事物而生成的。在这里研究人员演示的PULSE系统中，像素化图像的块被用作源。

研究人员说，可以从同一张源图像中产生多个面孔，并且可以应用相同的想法来创建块状图片之外的任何东西的照片，例如猫，日落，树木，气球或其他任何东西。

这方面可以使其适用于所有其他领域，包括医学，显微镜，天文学和卫星图像。