嘰哩嘰哩游戲網ACG(G站)
恰飯

JavPlayer,馬賽克破壞軟件被用于成人影片

學習資料, 電腦軟件工具 AvrilLavigne 1

這是最近幾個月業界討論比較火的話題,發酵到現在,

終于可以給大家總結下最近的馬賽克破壞版影片到底是怎么回事?

馬賽克破壞版,簡單講就是利用AI技術,在打有馬賽克影片的馬賽克基礎上進行修復操作,

來實現去除馬賽克,還原圖像本質,依靠的全是大數據模型,詳細的原理后面會講!

這樣的技術,概念和之前的換臉以及換身體的AI技術很類似。

馬賽克破壞版技術的發起人可能是推特上的一個叫“Javski”的用戶:(推特)

他發布的JavPlayer分為體驗版和正式版,是一種可以降低乃至去除馬賽克的軟件工具!

破壞馬賽克的技術并不是創新,而是早有的研究技術,是基于慕尼黑工業大學的研究人員,

提出了一種用于實現視頻超分辨率的新型GAN —— TecoGAN

TecoGAN項目地址:TecoGAN”>https://github.com/thunil/TecoGAN

以及“亞像素運動補償 + 視頻超分辨(Video Super Resolution)”技術

Video Super Resolution:https://www.cnblogs.com/RyanXing/p/10010194.html

互聯網有一個很有趣的現象,城人行業總是走在科技前沿,對于JavPlayer這項技術也不例外。

JavPlayer在發布以后,就被大量運用到針對日本城人影片的再加工,于是就有了馬賽克破壞版影片,

那么經過JavPlayer加工的有碼影片真的能去除馬賽克,搖身一變成為無碼作品嗎?

答案是否定的,至少目前不是這樣。

現在的JavPlayer加工影片范圍基本上僅限于2016年前發布的那些薄碼作品,

對于之后的作品,馬賽克厚度決定了制作作品的優良程度,

網友對比無碼作品和破壞版,部分作品還原度高達90%,不過圖像依舊模糊。

有技術就有革新,初始的發展就如此強大,以后更是不敢相信,

也許未來的某一天,去除馬賽克軟件真的就出現了!

遭遇JavPlayer技術攻克的名角當屬三上悠亞了,

在技術發布沒多久,網上關于三上悠亞的馬賽克破壞版影片就開始大肆傳播。

對此“三上悠亞”本人甚至都在自己的IG回應此事,

聲稱這簡直是一種恥辱,去碼影片都是AI合成,并不是真的。

截止目前,被制作馬賽克破壞版影片的演員大致有,

三上悠亞,桃谷繪里香,白石茉莉奈,松下紗榮子,吉川あいみ等等,

人員仍舊在不停增加中!

主流發布網站:javplayer,tokyotube,erobible等,

檢索關鍵詞:javplayer,破壊,破壞版等,

JavPlayer工具官網:http://site-1717195-732-8453.mystrikingly.com/

JavPlayer體驗版下載:https://www.axfc.net/u/3993141?key=fst

006OBeunly1g5oqwndcbxj30n00n0q6v.jpg

最近的AI破解修復馬賽克軟件有人說是假的是AI換的

這個不是畫上去的,是通過大量CPU和GPU的AI運算把馬賽克模糊化再銳化然后插值補償損失得到的源視頻還原。 前提是必須是薄碼的!經過本人用之前流出片和發行版本的解碼對比還原度高達90%以上。 因此這個技術是可以肯定的,而且以后也許還會有提升的空間。 絕非換臉那種視頻那么簡單。 據說一般般的電腦配置跑1分鐘的片段大約需要幾十分鐘。 可見復雜程度

no_name_1.gif

Mosaic的原理就是將1個pixel的顏色填滿一個小區域,所以在平面圖片上是無法還原的
但是…如果是Mosaic影片的話,一個Mosaic方格的中心點就會是原始的影像pixel,用這方式每個Frame去逐步還原出原始影像
這樣平均每秒就能還原上千點的pixel,即使扣掉可能重覆的pixel,只要幾十秒的影片還原出來的程度也就很可觀了
如果還能有專屬影像處理的AI軟體的話,要解析出接近無碼的影片也就很有希望了

簡單來說這個是真的而不是所謂的AI替換 你需要有個強大的cpu和gpu同時工作 經過軟件修復而算出來的圖像 影片只能選擇2016年以前的薄碼片 ,
已經有人做了好多完整高清的,相信不久就可以有許多這樣的片子出現在網上了 , 估計又有受害日本女明星為此隱退了,對了這款軟件就是日本DMM公司做的,目前只有日語版,有興趣的自己去google搜索就行了。
———

no_name.gif

關于以上解釋的詳細說明:
1、“把馬賽克模糊化再銳化然后插值補償損失得到的源視頻還原”是什么意思呢?首先這不是忽悠,因為確實可以這樣操作。首先把馬賽克模糊化,丟掉一些圖像信息,比如“格子”輪廓。然后銳化,使得接下來的圖像輪廓突顯。到這一步,其實像素比處理之前的馬賽克影片的還要低。然后插值補償就有搞頭了,最經典的就是緊鄰算法,根據像素點之間的距離賦予不同的權重,得到新的像素點。這怎么理解呢?就是比如她的有一處是“粉色1.5”的,然后在該處的圖像雖然被馬賽克了,但是像素的參數值是取自源視頻的,所以通過近鄰插值,原本為“粉色1.5”的就可以被修成近似的“粉色0.9”或者“粉色2.2”,不斷重復直到最小變化閾值,最終有望修成“粉色1.2”或者“粉色1.7”。

2、“必須是薄碼”又怎么理解呢?因為薄碼意味著馬賽克的格子比較大,丟失的像素就相對比較少。這樣插值補償的參數調整帶來的誤差就比較小。“修復”得到的結果就越接近“粉色1.5”

3、“簡單來說這個是真的而不是所謂的AI替換”,當然不是AI替換了,因為根本不涉及AI,所謂的AI修復馬賽克技術比這個要高端得多。舉個例子,給你看七七四十九天的無碼照片,然后馬上拿個有碼片給你,你的意識馬上能“腦補”出有碼片里的會是什么樣的;而AI比你更加精密,因為有像素數據作為支撐,而不是人腦簡單的“記憶-刺激-反饋”

no_name.jpg

TIM20190806091407.png

版權所有 ? 嘰哩嘰哩 本站不提供任何視聽上傳與資源下載服務,所有內容均來自網絡資源分享站點所提供的公開引用資源 2017 |互聯網ICP備案:蜀ICP備17011613號-5
特別感謝Carseason為本站設計CSS樣式
河南快赢481开奖直播