被官方封禁后又再度上架！

前言

今天给大家分享下数仓中的模型设计，一个好的数仓项目首先看一下它的架构以及他所用到的模型，它们使用的模型也都是非常巧妙的，好了，我们话不说到直接开始。

一、维度建模基本概念

维度模型是数据仓库领域大师Ralph Kimall所倡导，他的《数据仓库工具箱》，是数据仓库工程领域最流行的数仓建模经典。维度建模以分析决策的需求出发构建模型，构建的数据模型为分析需求服务，因此它重点解决用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能。

维度建模是专门应用于分析型数据库、数据仓库、数据集市建模的方法。数据集市可以理解为是一种小型数据仓库。

1.1 事实表

发生在现实世界中的操作型事件，其所产生的可度量数值，存储在事实表中。从最低的粒度级别来看，事实表行对应一个度量事件，反之亦然。

事实表表示对分析主题的度量。比如一次购买行为我们就可以理解为是一个事实。
 

这样的AI技术有什么用?去除马赛克只是特定场合的具体应用，类似的算法在很多时候都可以发挥作用——只要当图像需要修复的时候，就有用武之地。例如拍照片手抖了失焦了，糊成一片该咋办?传统的方法可能就是简单粗暴的锐化了，而如果拍照APP使用AI技术，就可以“脑补”回丢失的细节和锐度，给你一张尽量可用的照片。

总结

除了上文所提到的，现在还有很多利用AI增强图像的技术，例如Waif2x智能放大图片技术，乃至NV家的DLSS技术，其实都和去马赛克的AI有异曲同工之妙，都是通过AI“脑补”出不存在或者已损的图像信息，来增强图像清晰度。

在未来，随着AI算法的完善、机器学习的积累以及硬件算力的进步，AI去码、图像增强还会有更多惊人的效果，或许在未来某一天，马赛克将不再成为观瞻的障碍吧。
 

最终，生成了一个马赛克块查找表。

接着，Depix就可以凭借DebBruijn序列的马赛克查找表，来匹配想要还原的马赛克文本了。一旦某个马赛克文本的块，匹配上了查找表中的结果，那么就会很大程度上还原成为比较精确的文字——虽然还不算完美，但效果已经足够让人辨认这是怎样的字符。

简单来说，Depix的原理是用让马赛克匹配已知的打码数据，然后进行还原。这项技术的出现，对于用马赛克隐藏密码等场景，造成了挑战。不过Depix显然也有局限，它当前主要用于识别英文字母和阿拉伯数字，对于海量的汉字，Depix暂时还无能为力。

Google Brain

Depix让人看到了文字去码的希望，而Google Brain，则是图像去码方面的代表。Google Brain是Google开展的AI项目，其中对于图像消除马赛克的研究，可谓是非常深入。

Google Brain使用的是一种全新的像素递归超分辨率技术，通过大量高、低分辨率的采样学习，然后得出规律来匹配修复结果。例如，Google Brain学习到了某种黑点是属于眼镜，那么在还原马赛克的时候，就可以把这种黑点还原成眼睛。从测试来看，效果的确不同凡响。

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!