JavPlayer：AI破坏马赛克，大量马赛克破坏版影片流出

这是最近几个月业界讨论比较火的话题，发酵到现在，

终于可以给大家总结下最近的马赛克破坏版影片到底是怎么回事？

马赛克破坏版，简单讲就是利用AI技术，在打有马赛克影片的马赛克基础上进行修复操作，

来实现去除马赛克，还原图像本质，依靠的全是大数据模型，详细的原理后面会讲！

这样的技术，概念和之前的换脸以及换身体的AI技术很类似。

马赛克破坏版技术的发起人可能是推特上的一个叫“Javski”的用户：（推特）

他发布的JavPlayer分为体验版和正式版，是一种可以降低乃至去除马赛克的软件工具！

破坏马赛克的技术并不是创新，而是早有的研究技术，是基于慕尼黑工业大学的研究人员，

提出了一种用于实现视频超分辨率的新型GAN —— TecoGAN

TecoGAN项目地址：TecoGAN">https://github.com/thunil/TecoGAN

以及“亚像素运动补偿 + 视频超分辨（Video Super Resolution）”技术

Video Super Resolution：https://www.cnblogs.com/RyanXing/p/10010194.html

互联网有一个很有趣的现象，城人行业总是走在科技前沿，对于JavPlayer这项技术也不例外。

JavPlayer在发布以后，就被大量运用到针对日本城人影片的再加工，于是就有了马赛克破坏版影片，

那么经过JavPlayer加工的有码影片真的能去除马赛克，摇身一变成为无码作品吗？

答案是否定的，至少目前不是这样。

现在的JavPlayer加工影片范围基本上仅限于2016年前发布的那些薄码作品，

对于之后的作品，马赛克厚度决定了制作作品的优良程度，

网友对比无码作品和破坏版，部分作品还原度高达90%，不过图像依旧模糊。

有技术就有革新，初始的发展就如此强大，以后更是不敢相信，

也许未来的某一天，去除马赛克软件真的就出现了！

遭遇JavPlayer技术攻克的名角当属三上悠亚了，

在技术发布没多久，网上关于三上悠亚的马赛克破坏版影片就开始大肆传播。

对此“三上悠亚”本人甚至都在自己的IG回应此事，

声称这简直是一种耻辱，去码影片都是AI合成，并不是真的。

截止目前，被制作马赛克破坏版影片的演员大致有，

三上悠亚，桃谷绘里香，白石茉莉奈，松下纱荣子，吉川あいみ等等，

人员仍旧在不停增加中！

主流发布网站：javplayer，tokyotube，erobible等，

检索关键词：javplayer，破壊，破坏版等，

JavPlayer工具官网：http://site-1717195-732-8453.mystrikingly.com/

JavPlayer体验版下载：https://www.axfc.net/u/3993141?key=fst

下面是吾爱网友一篇关于AI破解马赛克软件的技术原理分析文章

原文已经被删除，此处仅供存档观看

关于最近的AI破解马赛克软件——JavPlayer原理分析，类AI换脸和AI脱衣

最近的AI破解修复马赛克软件有人说是假的是AI换的

这个不是画上去的,是通过大量CPU和GPU的AI运算把马赛克模糊化再锐化然后插值补偿损失得到的源视频还原。 前提是必须是薄码的!经过本人用之前流出片和发行版本的解码对比还原度高达90%以上。 因此这个技术是可以肯定的,而且以后也许还会有提升的空间。 绝非换脸那种视频那么简单。 据说一般般的电脑配置跑1分钟的片段大约需要几十分钟。 可见复杂程度

Mosaic的原理就是将1个pixel的颜色填满一个小区域，所以在平面图片上是无法还原的
但是…如果是Mosaic影片的话，一个Mosaic方格的中心点就会是原始的影像pixel，用这方式每个Frame去逐步还原出原始影像
这样平均每秒就能还原上千点的pixel，即使扣掉可能重覆的pixel，只要几十秒的影片还原出来的程度也就很可观了
如果还能有专属影像处理的AI软体的话，要解析出接近无码的影片也就很有希望了

简单来说这个是真的而不是所谓的AI替换 你需要有个强大的cpu和gpu同时工作 经过软件修复而算出来的图像 影片只能选择2016年以前的薄码片 ，
已经有人做了好多完整高清的，相信不久就可以有许多这样的片子出现在网上了 ， 估计又有受害日本女明星为此隐退了，对了这款软件就是日本DMM公司做的，目前只有日语版，有兴趣的自己去google搜索就行了。
———

关于以上解释的详细说明：
1、“把马赛克模糊化再锐化然后插值补偿损失得到的源视频还原”是什么意思呢？首先这不是忽悠，因为确实可以这样操作。首先把马赛克模糊化，丢掉一些图像信息，比如“格子”轮廓。然后锐化，使得接下来的图像轮廓突显。到这一步，其实像素比处理之前的马赛克影片的还要低。然后插值补偿就有搞头了，最经典的就是紧邻算法，根据像素点之间的距离赋予不同的权重，得到新的像素点。这怎么理解呢？就是比如她的有一处是“粉色1.5”的，然后在该处的图像虽然被马赛克了，但是像素的参数值是取自源视频的，所以通过近邻插值，原本为“粉色1.5”的就可以被修成近似的“粉色0.9”或者“粉色2.2”，不断重复直到最小变化阈值，最终有望修成“粉色1.2”或者“粉色1.7”。

2、“必须是薄码”又怎么理解呢？因为薄码意味着马赛克的格子比较大，丢失的像素就相对比较少。这样插值补偿的参数调整带来的误差就比较小。“修复”得到的结果就越接近“粉色1.5”

3、“简单来说这个是真的而不是所谓的AI替换”，当然不是AI替换了，因为根本不涉及AI，所谓的AI修复马赛克技术比这个要高端得多。举个例子，给你看七七四十九天的无码照片，然后马上拿个有码片给你，你的意识马上能“脑补”出有码片里的会是什么样的；而AI比你更加精密，因为有像素数据作为支撑，而不是人脑简单的“记忆-刺激-反馈”