GitHub 超 6800 Star！让你一键还原百年老电影、黑白旧照片本色

  作者：三石  出处：新智元

黑白老照片上色已经不足为奇了，但是让黑白老电影还原彩色还是非常新鲜有趣的意见事情。

前不久，Twitter 上有一位小哥研究了一个名为 DeOldify 的工具，可以让黑白视频和照片秒变彩色。

这个神器一出，可把网友们高兴坏了，纷纷开始玩儿了起来。目前在 GitHub 上 6800+ 星，相当火爆！

用上这个工具之后，卓别林的电影瞬间年轻、有“味道”了许多。

1960 年的经典电影《Psycho》：

1936 年的经典电影《Reefer Madness》：

1927 年的经典电影《Metropolis》：

DeOldify 不仅能让视频恢复色彩，还能让黑白老照片秒变彩照。

《移民母亲》，Migrant Mother by Dorothea Lange (1936)

"Toffs and Toughs" by Jimmy Sime (1937)

中国鸦片吸食者(1880)

这些黑白的视频和照片，当换上了彩色的“衣服”时，不得不说拉近了与我们的距离，并不觉得那么得有年代感了。

你们可以手动试下为黑白老照片添色：

https://colorize.cc/

只需要从本地上传或者添加图片的链接，输入邮箱即可收到，非常的方便。

试了一下“慈禧太后”的黑白照，结果如下：

可以说，是相当的逼真了！

神奇的 DeOldify 背后的利器：NoGAN

作者在 GitHub 中提到，DeOldify 中至关重要的就是 NoGAN。NoGAN 训练结合了 GAN 训练的优点(绚烂的色彩)，同时消除了令人讨厌的副作用(如视频中闪烁的物体)。作者表示视频是使用孤立的图像生成，没有任何形式的时间建模附加。该过程执行 30-60 分钟的 GAN 部分的 “NoGAN” 训练，一次使用 1% 到 3% 的 imagenet 数据。然后，与静态图像着色一样，在重建视频之前，对单个帧进行“去旧化”。

除了提高视频的稳定性，还有一件有趣的事情值得一提。事实证明，运行的模型，甚至是不同的模型和不同的训练结构，都或多或少地得出相同的解决方案。你可能认为有些东西的颜色是随意的、不可知的，比如衣服的颜色、汽车的颜色，甚至是特效(就像《大都会》里看到的那样)。

作者对此的猜测是这些模型正在学习一些有趣的规则，关于如何根据黑白图像中出现的细微线索来着色。这个结果导致了非常确定和一致的结果，这意味着你没有跟踪模型着色决策，因为它们不是任意的。此外，它们看起来非常健壮，所以即使在移动场景中渲染也是非常一致的。

那么 NoGAN 是什么呢？

这是作者开发的一种新型 GAN 训练模型，用来解决之前 DeOldify 模型中出现的一些关键问题。

它提供了 GAN 训练的好处，同时花费最少的时间进行直接的 GAN 训练。在非常短的实际 GAN 训练期间，发生器不仅获得了过去需要数天逐步调整大小的 GAN 训练的完全逼真的着色能力，而且它也几乎没有产生任何 GAN 的“副作用”。据作者介绍，这是一种非常有效的新技术。

下图是原始 DeOldify 模型的效果，可以看出不同帧的颜色是存在差异的。

下面是基于 NoGAN 的 DeOldify 模型，可以看到着色效果非常好。

为什么是三个模型？

DeOldify 现在有三种型号模型可供选择。每个都有关键优势和劣势，因此具有不同的用例。

更多细节内容可以访问查看 GitHub：

https://github.com/jantic/DeOldify/blob/master/README.md

以上，为本次分享。

如果你觉得今天推荐的这个项目挺有意思，那就在看转发评论一条龙走起吧 ????。

推荐阅读：

六月份的时候，我都在 GitHub 上发现了哪些好东西？

「GitHub 交流群」已开放

想入群的可在公众号后台回复「入群」