这几天有几位老铁们私信给我留言，说最近找了几部小电影都打码了，有没有黑科技把码去掉，无码看着多舒服。小编也好奇，是啥电影要用到黑科技来解决，其实只要懂点技术，没有解决不了的，只要用心去做，给点时间。不吹牛了，回归正传。
今天小编给老铁们分享11个Github上有趣的黑科技开源项目，个个都非常惊艳。小编有时候也会用用，方便有趣，还可以帮忙解决不少的事情，所以决定一一分享给大家，希望大家喜欢。
PULSE
Github（7k）：https://github.com/adamian98/pulse
PULSE - 该开源项目可以通过给图片增加像素点来实现去马赛克或高清化
马赛克：人类文明进步的绊脚石，宅男的死敌，老司机的噩梦。从马赛克诞生起，人类和马赛克的斗争就从未停止。
对于程序员来说，如果女生问我们最多的问题是：如何装系统？那么男生问的最多的问题肯定是：咋去除马赛克。
如果有人问你能不能去除马赛克？你可以给他肯定的答复：不能，马赛克是不可逆的。
但是，但是！你可以脑补啊，那玩意看多了，被打码的地方啥样，自己心里没数么？但对于一个正常人来说，我这里说的是正常人啊，即使你阅片无数，给你一个严重打码的美女照片，你也很难脑补出这个美女长啥样，原因有两个：
1. 你没有看过足够多的美女图片
2. 你没有建立 美女马赛克 到 美女原图 的联系
有的小伙伴就说了，我不吃不喝，就只看美女图片和对应的马赛克图。当我看了足够多，给我一个打码的美女图片，我脑海里会不会立马涌现这个美女长啥样 ？
妙啊，乍一听还真有点东西。难道这就是 “心中无码，便是高清” ？
如图：
Depix
Github（23.1k）：https://github.com/beurtschipper/Depix
Depix - 给打了马赛克的文字去码
如图：
TecoGAN
Github（5.1k）：https://github.com/thunil/TecoGAN
TecoGAN 给视频去马赛克或者进行超分辨率
如图：
Real-Time-Voice-Cloning
Github（38.3k）：https://github.com/CorentinJ/Real-Time-Voice-Cloning
Real-Time-Voice-Cloning - 只需要你 5 秒钟的语音，就能生成你说出来的任何话，细思极恐。
下面是比较详细的使用教程，遇到问题可以查看帮助：
https://www.bilibili.com/video/av79481223?zw
https://blog.csdn.net/weixin_41010198/article/details/113186232
我用这个模型试了一下，因为这个模型是老外开源的，所以训练的数据是英语的语音，我试了一下说中文，简直就是不会说中文的老外讲中文一个味道，现在我怀疑世界的真实性了
如图：
SkinDeep
Github（38.3k）：https://github.com/vijishmadhavan/SkinDeep
SkinDeep - 黑科技一键去除图片、视频中的纹身
没想到 GitHub 上真有这个开源项目，一位来自印度的算法研究员 Vijish Madhavan 开源了一个机器学习工具 SkinDeep ，它可以自动去除明星身上的纹身。
我使用这一工具去处理了一些重度纹身的人物照片，效果还不错。下图是阿伦 · 艾弗森（美国篮球运动员）的纹身去除前后对比图。
如图：
StyleCLIP
Github（3.2k）：https://github.com/orpatashnik/StyleCLIP
StyleCLIP - AI自动 P图，见没见过扫把头的马斯克？
刚刚这个项目展现了 AI 的强大，效果堪比 PS，接下来这个自动 P 图的项目才是真的牛逼。
你有没有想过这样一个场景，当你对着一张原图说：帮我 P 一个帅气的刘海，啪！一个具有帅气刘海的图片便自动生成了。
如图：
polyglot-png
Github（3.2k）：https://github.com/DavidBuchanan314/tweetable-polyglot-png
polyglot-png - 明明下载的是一张图片，只需修改后缀名，图片就变成了一首歌，一串代码
国外黑客David Buchanan利用Twitter的漏洞，可以用图片伪装的方式传输一份“加密”文件，前提是不超过3MB。
他成功把这种藏匿文件的GitHub源代码压缩到图片中。
现在你只要去他的Twitter，把这张图片下载下来，并将文件后缀名从.png修改为.zip，即可解压为Github代码。
用图片隐藏压缩包的原理并不复杂，png图片文件的格式如下。在Zlib之后，有一片IDAT块的附加数据。藏匿数据就放在这里。
带压缩包的图片地址：https://i.imgur.com/kNhGrN3.png
David Buchanan的Twitter：https://twitter.com/David3141593/status/1371974874856587268
如图：
ResnetGPT
Github（2.2k）：https://github.com/FengQuanLi/ResnetGPT
ResnetGPT - 教你训练一个模型，让人工智能玩王者荣耀.
这个开源项目的实现原理是怎样的 ？下图是这个模型的核心代码，不算难，我一步步的拆解，我尽量用通俗的语言描述这些技术。
让电脑帮我们玩游戏可以分为如下几步，当然这种方式是比较容易实现的方式，并不会用到「强化学习」的东西，而屠杀围棋圈的 AlphaGo 算法是基于强化学习。
1. 获取当前游戏界面。既英雄现在是什么状态、周围有没有敌方英雄、小兵等等。
2. 根据当前游戏界面状态生成操作指令，是应该前进、攻击还是释放技能。
3. 根据生成的操作指令去控制手机，英雄做出相应的动作。
对于训练一个平民版的人工智能模型，大体流程就是这样。其中获取当前游戏界面、根据指令去控制手机都有成熟的技术。
比如这个项目中使用 scrcpy 获取安卓手机的投屏，这款安卓投屏神器可以将游戏画面投屏到电脑桌面上。
有了游戏画面，就得到了这时战局的状况。游戏画面是图片的形式，至于这个图片包含什么内容，人能看明白，但是电脑不懂。
这就需要我们自己去提取图片中的特征，这里便会用到深度学习算法的东西。基于卷积神经网络（CNN）来提取图片的特征，项目中使用的是 ResNet 101 分类网络。
通过训练这个卷积神经网络，该网络就会具备提取游戏画面特征的能量，有了这些，算法才能进行下一步操作指令的生成。
如图：
intelligent-uavpath-planning
Gitee：https://gitee.com/wwy2018/intelligent-uavpath-planning-simulation-system-S
intelligent-uavpath-planning - 这个项目是一个智能无人机路径规划仿真系统
这个项目是一个智能无人机路径规划仿真系统，具有操作控制精细、平台整合性强、全方向模型建立与应用自动化等优点。
它以 A、B 两国在 C 区开展无人机战争为背景，该系统的核心功能是通过仿真平台规划无人机航线，并进行验证输出。数据可导入真实无人机，使其按照规定路线精准抵达战场任一位置，支持多人多设备编队联合行动。
如图：
EssayKiller_V2
Github(4.9k)：https://github.com/EssayKillerBrain/EssayKiller_V2
EssayKiller_V2 - 一个人利用三个月，开发了一个会写作文的人工智能
一般来说，高考作文可以通过批量化、模式化的训练达到一个令人满意的分数。实际上就是把学生当做一个写作机器进行训练，为学生输入大量范文，提供写作模式，然后进行长时间的学习。等等，这不是和人工智能的训练过程相同吗？
那么，如果给一个人工智能系统同样的数据，是否可以教会它写作文呢？
答案是，当然可以。B 站 UP 主 - 图灵的猫，秉承了心动不如行动的理念，一个人利用三个月，500 个小时，10000 行代码，200000000 条数据，1700000000 个参数，开发了一个会写作文的人工智能 - EssayKiller。
如图：
style2paints
Github：https://github.com/lllyasviel/style2paints
style2paints - 不需要安装任何环境、做任何配置，下载然后双击，就可以给线描图画上色。
这个 AI 项目是二次元的福音，虽然他是基于 AI 驱动，但这个项目不需要你安装任何环境、做任何配置。直接下载，然后双击，就可以给一个线描图画上色了。
如图：
