?[[406753]]?

身臨其境的圖像復原

之前看《你好李煥英》里，有一個表現手法非常讓我印象深刻。就是一開始場景是黑白的，然后慢慢變成彩色的，從黑白到彩色的這個過程，讓我有種「進入新的現實」的感覺。

近期有五四運動的圖像復原，看到仿佛置身五四運動現場，盡管畫面分辨率不高，色彩也不那么完美，但就是能給人一種身臨其境的感覺，回到一百年前，與青年們一起救亡圖存。

 當時的青年尚能挺身而出，憂國憂民，我相信，現代的青年也能奮發圖強，肩負起對于這個國家的歷史責任，塑造起具有時代光芒的民族精神。

看了下，大家都對技術原理感興趣啊，那我來用簡單的語言講講吧。

技術原理

AI上色的原理是什么？那我們就需要介紹一種深度學習網絡架構了，它就是GAN（這里不是粗話）。GAN不是干飯人的干，而是生成對抗網絡（英語：Generative Adversarial Network，簡稱GAN）。當然，太復雜的技術講解可能會讓讀者迷惑，于是我找到一張很直白的原理圖。   

  GAN網絡分兩部分，一個是生成器（Generator），一個是鑒別器（Discriminator）。生成器通過對圖像上色，然后交給鑒別器。鑒別器判斷這一個圖片看起來真不真，如果覺得假，鑒別器會返回「修改意見」，讓生成器重新試試，直到鑒別器覺得足夠真了。如果你覺得還不好懂，我再打個比方，這就好像美術老師指導學生畫畫的過程，一開始學生畫出來的不夠好，老師指出，學生嘗試改改，老師再檢查，再給意見，直到老師滿意。

這 就是一張圖的上色過程。 而視頻是一幀幀畫面組成的，給視頻上色可以理解為通過這個網絡架構給視頻里的每一幀上色。 不過沒有這么簡單，畢竟視頻一秒鐘幾十幀，一幀幀上色有點慢，而且每一幀之前可能會出現上色效果不一致。 所以有的架構會針對細節調整。 例如DeOldify采用了NoGAN（一種新型GAN訓練模型），用來解決之前DeOldify模型中出現的一些關鍵問題。 例如視頻中閃爍的物體：

??

使用NoGAN前，畫面閃爍嚴重

??

使用NoGAN后閃爍減少

當然，實際還原的色彩其實和原本的色彩是不一樣的，僅僅是能讓其看起來自然。我做了個實驗（AI上色工具稍后介紹到），能看到上色效果和原來的效果并不一樣。我下載了這么一張向日葵的照片

?[[406756]]?

我手動轉成黑白的

??

這時候再讓AI上色，咦，向日葵變成雛菊了。不過看起來竟然也有另一番美感。

??

一般來說，給人上色會更接近實際情況些。因為人的膚色比較有限，判別器里已經學習過人臉的顏色可能是哪些，轉換成灰度圖像后對應什么顏色值，所以AI不太可能會給黑白的人像涂成綠色臉。

動手實現

如果你是技術小白，你可以直接打開這個網址，你只需要上傳一張圖片就能自動上色。 Image Colorizationdeepai.org 例如效果如下：

??

看起來效果很棒吧。如果你懂點技術但不懂機器學習，可以用DeepAI提供的API。例如python調用方法如下：

import requests
r = requests.post(
"https://api.deepai.org/api/colorizer",
data={
'image': 'YOUR_IMAGE_URL',
},
headers={'api-key': 'quickstart-QUdJIGlzIGNvbWluZy4uLi4K'}
)
print(r.json())


# Example posting a local image file:

import requests
r = requests.post(
"https://api.deepai.org/api/colorizer",
files={
'image': open('/path/to/your/file.jpg', 'rb'),
},
headers={'api-key': 'quickstart-QUdJIGlzIGNvbWluZy4uLi4K'}
)
print(r.json())

如果想繼續深入研究，可以fork DeOldify的repo。附開源 地址：

??https://github.com/jantic/DeOldifygithub.com??