近日，小米舉辦號稱“史上最多重磅新品齊首發”的發佈會。會上，包括小米8、MIUI10等在內的一系列重磅新品正式亮相。其中，有着“國產良心繫統”之稱的MIUI10尤其引人關注，作爲小米此次發佈會最先登場的新一代手機系統，MIUI10以“全面屏”爲核心設計，針對全面屏操作進行了全方位支持和優化，同時全面應用AI，不但能夠幫助用戶輕鬆搞定複雜的操作，而且能夠帶給用戶更好的高清畫質體驗。接下來，我們就一起探尋MIUI10背後的高清畫質“神器”。
KIE：將圖片變清晰的“神器”
這種將圖片變清晰的“神器”，就是KIE(Kingsoft Image &AI Enhancement)。KIE是金山雲近期推出的基於AI技術的畫質增強產品，將其應用於移動終端或圖片傳輸中，可爲用戶帶來超清的圖像視覺體驗，或者節省3/4的圖片傳輸帶寬成本。
小米MIUI官網對於KIE的介紹
隨着移動終端特別是手機分辨率的不斷上升，更高分辨率圖片的需求也與日俱增，這是因爲低分辨率的圖片，如果放到高分辨率的屏幕下，就會讓視覺效果變得很差。如果720P的圖片放在1080P的屏幕上，就會出現這樣的問題。
高分辨率屏幕下顯示低質量圖片，會讓視覺效果變差
而傳統的解決方案——插值算法，包括雙線性插值和臨近插值，但這種方法往往會導致邊緣出現鋸齒、模糊等問題，將大幅降低圖片的視覺效果。金山雲KIE則基於人工智能技術，對圖像重建使其高清放大，適配更高清的屏幕，同時對畫面的馬賽克、毛刺區域進行修復，提升圖片視覺效果。
採用KIE畫質增強功能的圖片效果對比
採用KIE畫質增強功能的圖片效果對比
KIE的祕密武器：超分和修復
KIE是如何做到這些的呢？原來，它有兩種祕密武器——KIE包含超分辨率(以下簡稱“超分”)和修復兩種技術，在深度卷積神經網絡上，KIE的超分模型構建了一個七層的網絡，能夠有效提升圖片質量，解除圖片超分時模糊、紋理不清晰等問題。深度卷積神經網絡可依據圖片重建細節，實現清晰度遠超原圖的效果。KIE在網絡結構、模型訓練上進行了大量的探索和嘗試，實現了優秀的圖像超分和去噪效果。
採用KIE畫質增強功能的圖片效果對比
細節對比
KIE三倍圖片放大效果對比
首先，在網絡結構上，KIE採用了Mobile Net V2構造高效的網絡模型。KIE結合殘差學習思想，有效減少學習難度，採用跨層密集連接結構，利於梯度傳播，使得深度網絡在更短的時間內學習到更好的模型。採用金字塔結構，使得底層的特徵和頂層的特徵能夠更有效融合。此外，在訓練loss上，模型採用SSIM、圖像內容損失等，讓圖片生成更加銳利的細節。
KIE採用金字塔結構，使得底層的特徵和頂層的特徵能夠更有效結合
第二，在模型的訓練上，KIE收集了30萬張高清圖片，確保內容豐富，採用多種方法模擬真實網絡圖片的生成過程，從而保證模型在推斷時達到更好的效果，能夠適應絕大部分網絡圖片，確保學習的全面性。同時進行數據混合，將不同大小倍數的圖像混合在一起訓練，從而支持不同倍數圖片的高清化。
KIE的殘差學習結構：加快訓練速度並提高圖像質量
針對在YUV三通道圖像中，人眼對Y通道中最爲敏感的特點，KIE針對Y通道和UV通道分別採用不同網絡，其中Y通道複雜度高於UV通道的複雜度，在保證人眼質量的情況下，加快了訓練和推斷速度。
KIE針對微信、今日頭條等主流網絡圖片聚集地進行調研，發現很多分辨率較小的圖片，如果與目前主流的移動終端進行匹配，需要放大三倍，這意味着需要對圖片的更多細節予以處理，因此難度更大。KIE以經過訓練的3X網絡對圖片進行處理，經過卷積網絡的學習和增強，最終提升了圖片的質量。
KIE的應用場景
目前，KIE以SDK形式集成到各種應用場景中，包括各類手機廠商系統、超級APP應用、瀏覽器等。在同等主觀質量下，KIE具有SDK體積小、推斷速度快和內存佔用少的特點，且能夠適應多種平臺。
在底層優化上，KIE採用模型壓縮和量化技術，有效減少SDK的大小和推斷速度。並且，採用金山雲AI團隊構建的高效的深度神經網絡實現，在CPU上的推斷速度達到了Google tensorlite的二到三倍，內存消耗也大大減少，爲KIE的技術推廣奠定了基礎。
同時，KIE具有強大的跨平臺特性，目前支持Android、iOS、PC平臺和WEB端，接口簡單快速接入。可在終端上實時處理，與×××完全解耦，圖片在移動終端上能夠達到毫秒級響應，全面提升用戶的瀏覽體驗。
名詞解釋：
MobileNetV2：是對MobileNetV1的改進，是一個輕量化卷積神經網絡。
SSIM：SSIM(structural similarity index)，結構相似性，是一種衡量兩幅圖像相似度的指標。該指標首先由德州大學奧斯丁分校的圖像和視頻工程實驗室(Laboratory for Image and Video Engineering)提出。SSIM使用的兩張圖像中，一張爲未經壓縮的無失真圖像，另一張爲失真後的圖像。
Google tensorlite：即TensorFlow Lite，Google稱Lite版本TensorFlow是TensorFlow Mobile的一個延伸版本。儘管是一個輕量級版本，依然是在智能手機和嵌入式設備上部署深度學習的一大動作。此前，通過TensorFlow Mobile API，TensorFlow已經支持手機上的模型嵌入式部署。TensorFlow Lite應該被視爲TensorFlow Mobile的升級版。