身临其境的画面还原在看《你好李焕英》之前，有一个表情技巧让我印象非常深刻。画面一开始是黑白的，后来逐渐变成了彩色。从黑白到彩色的过程，给我一种“进入新现实”的感觉。最近修复了五四的画面，有种身临其境的感觉。虽然画面的分辨率不高，色彩也没有那么完美，但是却能给人一种身临其境的感觉，回到一百年前。救国救国，与少年人共存。那时的年轻人，能够站起来忧国忧民。相信今天的年轻人也能努力奋斗，为这个国家肩负起历史重任，用时代的光辉塑造民族精神。看完大家对技术原理比较感兴趣，那我就简单的说一下吧。技术原理AI填色的原理是什么？那么我们需要介绍一个深度学习网络架构，就是GAN（这里不粗口）。GAN不是厨师的工作，而是生成对抗网络（简称GAN）。当然，过于复杂的技术解释可能会让读者感到困惑，所以我找到了一个非常简单的原理图。GAN网络分为两部分，一部分是生成器（Generator），另一部分是鉴别器（Discriminator）。生成器通过对图像着色然后将其传递给鉴别器来工作。鉴别器判断这张图片看起来是否真实。如果它认为是假的，判别器就会返回一个“修改意见”，让生成器重试，直到判别器认为足够真为止。如果觉得不好理解，我打个比方。就像美术老师指导学生画画的过程。一开始，学生的画不够好。老师指出学生试改，老师再检查并给予建议，直到老师满意为止。这是图片的着色过程。视频是由帧组成的，给视频上色可以理解为通过这个网络架构给视频中的每一帧上色。但这不是那么简单。毕竟视频是每秒几十帧，每帧上色有点慢，每帧之前上色效果可能不一致。因此，一些架构会针对细节进行调整。例如，DeOldify使用NoGAN（一种新型GAN训练模型）来解决之前DeOldify模型中的一些关键问题。比如视频中闪烁的物体：在使用NoGAN之前，画面的闪烁很严重。使用NoGAN后，闪烁减少了。当然，实际还原出来的颜色其实和原来的颜色是有区别的，只是为了看起来自然而已。我做了一个实验（后面会介绍AI上色工具），可以看到上色效果和原来的效果不太一样。我下载了这样一张向日葵的照片，我手动把它转成黑白，然后让AI给它上色。嘿，向日葵变成了雏菊。但它看起来像别的东西。一般来说，给人物上色会更接近实际情况。因为人的肤色比较有限，判别器已经知道人脸可能的颜色是什么，以及转换后的灰度图对应什么颜色值，所以AI不太可能画出绿色人脸的黑白人像.如果你是技术小白，可以直接打开这个网站，只需要上传一张图片就可以自动上色。ImageColorizationdeepai.org例如，效果如下：看起来很棒。如果你懂一些技术但不懂机器学习，可以使用DeepAI提供的API。例如python调用方法如下：importrequestsr=requests.post("https://api.deepai.org/api/colorizer",data={'image':'YOUR_IMAGE_URL',},headers={'api-key':'quickstart-QUdJIGlzIGNvbWluZy4uLi4K'})print(r.json())#Examplepostingalocalimagefile:importrequestsr=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())如果你想继续深入研究，可以ForkDeOldify的repo。附开源地址：https://github.com/jantic/DeOldifygithub.com
