Adobe使用AI技术开发出超级分辨率功能，可逼真放大低分辨率图片

Adobe Camera Raw团队开发的超级分辨率（Super Resolution）功能，利用机器学习技术提高照片的分辨率，可将1,000万画素的照片提高为4,000万画素，同时还能保有照片丰富的细节。超级分辨率功能目前先于Camera Raw 13.2中推出，官方预告很快会轮到Lightroom和Lightroom Classic。

超级分辨率功能的开发，源自于2年前Adobe所开发的细节增强（Enhanced Details）功能，这个功能使用机器学习技术，以极高的保真度对原始档案（Raw File）进行内插计算，进而产生几乎没有假影的清晰细节，借此提高照片的品质。

而超级分辨率是Adobe Camera Raw团队的第2个画素增强功能，透过提高照片的分辨率，进而增加照片的品质。在一般情况来说，放大照片的分辨率，通常会使得细节变得模糊，但是超级分辨率功能却能保持这些细节的清晰度，原因是使用了数百万张照片，来训练机器学习模型，使得模型能够智慧地放大照片，同时保有清楚的边缘，并留下重要的细节。

Adobe提到，并非所有相机都拥有高分辨率，大部分手机相机分辨率落在1,200万画素，而许多相机则是在1,600万到2,400万画素之间，在许多情况下，像是线上发布或是发送给友人，这些画素的照片已经足够，但是如果是要大图输出，更大的分辨率可以留下更多细节，也可以使得边缘线条更加平滑。

旧照片也能透过超级分辨率功能重新被利用，15年前800万画素数码相机所拍摄的照片，现在可以在提高分辨率之后，重新被应用在大图输出上。此外，从照片中剪裁出来的部分图像，也能因为超级分辨率功能，变得更加清晰，官方表示，超级分辨率可说是进阶版的数位变焦功能。

Adobe使用大量范例照片来训练超级分辨率机器学习模型，该模型的基础架构为深度卷积神经网络，使用数百万低分辨率与高分辨率图像配对，来教模型如何放大低分辨率照片，官方解释，画素的颜色取决于周围的颜色，模型需要一些上下文，透过分析周围的画素来决定中间画素的颜色。

超级分辨率有3个特色，第1是Adobe使用了Bayer和X-Trans原始档案训练模型，因此当用户在原始档案应用超级分辨率功能时，同时也会获得细节增强功能加持。再来则是Adobe特别处理了一些具有挑战性的范例，包括许多贴图以及小细节（下图），超级分辨率在处理这些区域时，便不会出现假影。最后，Adobe应用了CoreML和Windows ML平台机器学习技术，因此用户可以在电脑上，使用GPU来加速超级分辨率计算。

超级分辨率会使得照片的分辨率线性加倍，也就是说，超级分辨率产生的图像，长度与宽度都会是原始照片的2倍，总画素将会是4倍，目前图片边长限制为65,000画素，总画素限制为5亿画素。除了Bayer或X-Trans原始档案之外，超级分辨率也可以用在JPEG、PNG和TIFF等档案格式，但是用在经高度压缩的JPEG或HEIC档案时，超级分辨率会使部分假影更加明显。

由于细节增强和超级分辨率都需要非常密集的运算，官方建议，用户可选用较快的GPU，并且使用支援CoreML和Windows ML机器学习技术的电脑，来执行超级分辨率功能，否则运算时间可能需要数分钟。另外，因为超级分辨率会产生非常大的档案，官方也建议用户可以使用固态硬盘，以加速档案读取。

Adobe仍在改进超级分辨率功能，突破目前的分辨率限制，应用到更大的图像上，并且试着将相同的技术，应用到锐利化和降噪等功能。