Adobe使用AI技術開發出超級解析度功能，可逼真放大低解析度圖片

Adobe Camera Raw團隊開發的超級解析度（Super Resolution）功能，利用機器學習技術提高照片的解析度，可將1,000萬畫素的照片提高為4,000萬畫素，同時還能保有照片豐富的細節。超級解析度功能目前先於Camera Raw 13.2中推出，官方預告很快會輪到Lightroom和Lightroom Classic。

超級解析度功能的開發，源自於2年前Adobe所開發的細節增強（Enhanced Details）功能，這個功能使用機器學習技術，以極高的保真度對原始檔案（Raw File）進行內插計算，進而產生幾乎沒有假影的清晰細節，藉此提高照片的品質。

而超級解析度是Adobe Camera Raw團隊的第2個畫素增強功能，透過提高照片的解析度，進而增加照片的品質。在一般情況來說，放大照片的解析度，通常會使得細節變得模糊，但是超級解析度功能卻能保持這些細節的清晰度，原因是使用了數百萬張照片，來訓練機器學習模型，使得模型能夠智慧地放大照片，同時保有清楚的邊緣，並留下重要的細節。

Adobe提到，並非所有相機都擁有高解析度，大部分手機相機解析度落在1,200萬畫素，而許多相機則是在1,600萬到2,400萬畫素之間，在許多情況下，像是線上發布或是發送給友人，這些畫素的照片已經足夠，但是如果是要大圖輸出，更大的解析度可以留下更多細節，也可以使得邊緣線條更加平滑。

舊照片也能透過超級解析度功能重新被利用，15年前800萬畫素數位相機所拍攝的照片，現在可以在提高解析度之後，重新被應用在大圖輸出上。此外，從照片中剪裁出來的部分圖像，也能因為超級解析度功能，變得更加清晰，官方表示，超級解析度可說是進階版的數位變焦功能。

Adobe使用大量範例照片來訓練超級解析度機器學習模型，該模型的基礎架構為深度卷積神經網路，使用數百萬低解析度與高解析度圖像配對，來教模型如何放大低解析度照片，官方解釋，畫素的顏色取決於周圍的顏色，模型需要一些上下文，透過分析周圍的畫素來決定中間畫素的顏色。

超級解析度有3個特色，第1是Adobe使用了Bayer和X-Trans原始檔案訓練模型，因此當用戶在原始檔案應用超級解析度功能時，同時也會獲得細節增強功能加持。再來則是Adobe特別處理了一些具有挑戰性的範例，包括許多不同表面材質的圖片（下圖），超級解析度在處理這些區域時，便不會出現假影。最後，Adobe應用了CoreML和Windows ML平臺機器學習技術，因此用戶可以在電腦上，使用GPU來加速超級解析度計算。

超級解析度會使得照片的解析度線性加倍，也就是說，超級解析度產生的圖像，長度與寬度都會是原始照片的2倍，總畫素將會是4倍，目前圖片邊長限制為65,000畫素，總畫素限制為5億畫素。除了Bayer或X-Trans原始檔案之外，超級解析度也可以用在JPEG、PNG和TIFF等檔案格式，但是用在經高度壓縮的JPEG或HEIC檔案時，超級解析度會使部分假影更加明顯。

由於細節增強和超級解析度都需要非常密集的運算，官方建議，用戶可選用較快的GPU，並且使用支援CoreML和Windows ML機器學習技術的電腦，來執行超級解析度功能，否則運算時間可能需要數分鐘。另外，因為超級解析度會產生非常大的檔案，官方也建議用戶可以使用固態硬碟，以加速檔案讀取。

Adobe仍在改進超級解析度功能，突破目前的解析度限制，應用到更大的圖像上，並且試著將相同的技術，應用到銳利化和降噪等功能。