出来的结果都不一样。话说周历差不多是程序员必踩的深坑，就算现在看着好好的，过个几年也会出现日期bug。”
说起这个，杨逸群也是心有戚戚焉，因为自学编程的他就不止一次掉进日期函数表达错误的坑里面。
“还真是麻烦，”云涛作为用户却不关心程序员的烦恼，却是随口打听起了他的项目进度。
“话说羊老大，你那个下马软件做到什么程度了？”
听见云涛提起这个话题，向同学也是起了好奇心，忙不迭地追问道：“从上次发布试用版到现在已经过去一个月了，新版本也该发布了吧？”
男生们口中的下马，却不是时政新闻里的工程停工、官员解职，而是特指清除图像上的马赛克。自从马赛克出现，广大观众就想着干掉这些碍眼的累赘，却始终未能如愿。直到近年人工智能技术取得突破，AI可以通过机器学习为低分辨率图像添加推测细节，这才使得下马有了一定的可能。
谷歌、蜜蜂、脸书等公司相继推出自己的图像超分辨率开源框架，向世人展示了将低分辨率图片和视频转化为高分辨率图片与视频的能力。
低分辨率图像本身丢失大量信息，AI只能根据算法猜测合适的像素加以填充，是以修复重建得到的高分辨率图像总是存在瑕疵。即便如此，相关厂商还是积极将相关技术推向市场，试图在使用中收集更多数据进一步完善它们。
蜜蜂软件率先是在蜜蜂播放器手机版上搭载超分辨率技术，有效提升了低清图像和视频观看效果，接着又将这项技术引入手游开发，使得手游图像可以拉伸到4K分辨率而不出现明显锯齿和颗粒感，有效提升了手游的视觉体验。
英伟达公司今年隆重推出的RTRT（实时光线追踪）、DLSS（深度学习超级采样）、DLAA（深度学习抗锯齿）技术，归根究底其实都是深度学习图像超分辨率技术的不同应用。正是因为引入了这两项技术，才能用消耗较小的资源消耗得到较高品质的高分辨率图像，从而实现性能与效果的再次平衡。
同样的，深度学习超分辨率技术既然可以提升全局分辨率，当然也能用来提升特定部位的分辨率。然而让广大观众失望的是，这些厂商完全没有涉足这一领域的想法，毕竟打码是法律要求，下马属于违法。
左等不到右等不得，一些动手能力强大的观众便试着自己动手。还好这帮商业公司虽然无心帮忙，却都推出了各自的开源框架供全球爱好者免费研究。只要读懂相关规则，再
本章未完，请点击下一页继续阅读！