JavPlayer：AI破壞馬賽克，大量馬賽克破壞版影片流出

這是最近幾個月業界討論比較火的話題，發酵到如今，

終於能夠給你們總結下最近的馬賽克破壞版影片究竟是怎麼回事？

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做，

來實現去除馬賽克，還原圖像本質，不是大數據匹配模型，而是在原基礎修復，詳細的原理後面會講！

這樣的技術，概念和以前的換臉以及換身體的AI技術很相似。

馬賽克破壞版技術的發起人多是推特上的一個叫「Javski」的用戶：（推特）

他發佈的JavPlayer分爲體驗版和正式版，是一種能夠下降乃至去除馬賽克的軟件工具！

破壞馬賽克的技術並非創新，而是早有的研究技術，是基於慕尼黑工業大學的研究人員，

提出了一種用於實現視頻超分辨率的新型GAN —— TecoGAN

TecoGAN項目地址：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：http://www.javashuo.com/article/p-fazyxyoo-et.html

互聯網有一個頗有趣的現象，城人行業老是走在科技前沿，對於JavPlayer這項技術也不例外。

JavPlayer在發佈之後，就被大量運用到針對日本城人影片的再加工，因而就有了馬賽克破壞版影片，

那麼通過JavPlayer加工的有碼影片真的能去除馬賽克，搖身一變成爲無碼做品嗎？

答案是否認的，至少目前不是這樣。

如今的JavPlayer加工影片範圍基本上僅限於2016年前發佈的那些薄碼做品，

對於以後的做品，馬賽克厚度決定了製做做品的優良程度，

網友對比無碼做品和破壞版，部分做品還原度高達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，之後更是不敢相信，

也許將來的某一天，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，

在技術發佈沒多久，網上關於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」本人甚至都在本身的IG迴應此事，

聲稱這簡直是一種恥辱，去碼影片都是AI合成，並非真的。

截止目前，被製做馬賽克破壞版影片的演員大體有，

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，

人員仍舊在不停增長中！

主流發佈網站：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

下面是吾愛網友一篇關於AI破解馬賽克軟件的技術原理分析文章

原文已經被刪除，此處僅供存檔觀看

關於最近的AI破解馬賽克軟件——JavPlayer原理分析，類AI換臉和AI脫衣

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,是經過大量CPU和GPU的AI運算把馬賽克模糊化再銳化而後插值補償損失獲得的源視頻還原。 前提是必須是薄碼的!通過本人用以前流出片和發行版本的解碼對比還原度高達90%以上。 所以這個技術是能夠確定的,並且之後也許還會有提高的空間。 絕非換臉那種視頻那麼簡單。 聽說通常般的電腦配置跑1分鐘的片斷大約須要幾十分鐘。 可見覆雜程度

Mosaic的原理就是將1個pixel的顏色填滿一個小區域，因此在平面圖片上是沒法還原的
可是…若是是Mosaic影片的話，一個Mosaic方格的中心點就會是原始的影像pixel，用這方式每一個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，即便扣掉可能重覆的pixel，只要幾十秒的影片還原出來的程度也就很可觀了
若是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頗有但願了

簡單來講這個是真的而不是所謂的AI替換 你須要有個強大的cpu和gpu同時工做 通過軟件修復而算出來的圖像 影片只能選擇2016年之前的薄碼片 ，
已經有人作了好多完整高清的，相信不久就能夠有許多這樣的片子出如今網上了 ， 估計又有受害日本女明星爲此隱退了，對了這款軟件就是日本DMM公司作的，目前只有日語版，有興趣的本身去google搜索就好了。
———

關於以上解釋的詳細說明：
一、「把馬賽克模糊化再銳化而後插值補償損失獲得的源視頻還原」是什麼意思呢？首先這不是忽悠，由於確實能夠這樣操做。首先把馬賽克模糊化，丟掉一些圖像信息，好比「格子」輪廓。而後銳化，使得接下來的圖像輪廓突顯。到這一步，其實像素比處理以前的馬賽克影片的還要低。而後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一樣的權重，獲得新的像素點。這怎麼理解呢？就是好比她的有一處是「粉色1.5」的，而後在該處的圖像雖然被馬賽克了，可是像素的參數值是取自源視頻的，因此經過近鄰插值，本來爲「粉色1.5」的就能夠被修成近似的「粉色0.9」或者「粉色2.2」，不斷重複直到最小變化閾值，最終有望修成「粉色1.2」或者「粉色1.7」。

二、「必須是薄碼」又怎麼理解呢？由於薄碼意味着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偏差就比較小。「修復」獲得的結果就越接近「粉色1.5」

三、「簡單來講這個是真的而不是所謂的AI替換」，固然不是AI替換了，由於根本不涉及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，而後立刻拿個有碼片給你，你的意識立刻能「腦補」出有碼片裏的會是什麼樣的；而AI比你更加精密，由於有像素數據做爲支撐，而不是人腦簡單的「記憶-刺激-反饋」