黑白老照片上色已經(jīng)不足為奇了，但是讓黑白老電影還原彩色還是非常新鮮有趣的意見事情。近日，Twitter上有一位小哥研究了一個名為DeOldify的工具，可以讓黑白老電影以及老照片復原其本色。

誰說經(jīng)典只屬于黑白？

最近，一位名叫Jason Antic的小哥在Twitter上大火了一把，它創(chuàng)建的DeOldify工具，可以讓過去的黑白視頻和照片秒變彩色。

這個神器一出，可把網(wǎng)友們高興壞了，紛紛開始玩兒了起來。目前在GitHub上5800+星，相當火爆！

卓別林的電影瞬間年輕、有“味道”了許多。

1960年的經(jīng)典電影《Psycho》：

1936年的經(jīng)典電影《Reefer Madness》：

1927年的經(jīng)典電影《Metropolis》：

DeOldify不僅能讓視頻恢復色彩，還能讓黑白老照片秒變彩照。

《移民母親》，Migrant Mother byDorothea Lange (1936)

"Toffs and Toughs" by Jimmy Sime (1937)

中國鴉片吸食者(1880)

這些黑白的視頻和照片，當換上了彩色的“衣服”時，不得不說拉近了與我們的距離，并不覺得那么得有年代感了。

讀者們可以手動試試為黑白老照片添色了！地址如下：

https://colorize.cc/

只需要從本地上傳或者添加圖片的鏈接，輸入郵箱即可收到，非常的方便。

新智元便試了一下“慈禧太后”的黑白照，結(jié)果如下：

可以說，是相當?shù)谋普媪耍?/p>

神奇的DeOldify背后的利器：NoGAN

作者在GitHub中提到，DeOldify中至關重要的就是NoGAN。NoGAN訓練結(jié)合了GAN訓練的優(yōu)點(絢爛的色彩)，同時消除了令人討厭的副作用(如視頻中閃爍的物體)。作者表示視頻是使用孤立的圖像生成，沒有任何形式的時間建模附加。該過程執(zhí)行30-60分鐘的GAN部分的“NoGAN”訓練，一次使用1%到3%的imagenet數(shù)據(jù)。然后，與靜態(tài)圖像著色一樣，在重建視頻之前，對單個幀進行“去舊化”。

除了提高視頻的穩(wěn)定性，還有一件有趣的事情值得一提。事實證明，運行的模型，甚至是不同的模型和不同的訓練結(jié)構(gòu)，都或多或少地得出相同的解決方案。你可能認為有些東西的顏色是隨意的、不可知的，比如衣服的顏色、汽車的顏色，甚至是特效(就像《大都會》里看到的那樣)。

作者對此的猜測是這些模型正在學習一些有趣的規(guī)則，關于如何根據(jù)黑白圖像中出現(xiàn)的細微線索來著色。這個結(jié)果導致了非常確定和一致的結(jié)果，這意味著你沒有跟蹤模型著色決策，因為它們不是任意的。此外，它們看起來非常健壯，所以即使在移動場景中渲染也是非常一致的。

那么NoGAN是什么呢？

這是作者開發(fā)的一種新型GAN訓練模型，用來解決之前DeOldify模型中出現(xiàn)的一些關鍵問題。

它提供了GAN訓練的好處，同時花費最少的時間進行直接的GAN訓練。在非常短的實際GAN訓練期間，發(fā)生器不僅獲得了過去需要數(shù)天逐步調(diào)整大小的GAN訓練的完全逼真的著色能力，而且它也幾乎沒有產(chǎn)生任何GAN的“副作用”。據(jù)作者介紹，這是一種非常有效的新技術。

下圖是原始DeOldify模型的效果，可以看出不同幀的顏色是存在差異的。

下面是基于NoGAN的DeOldify模型，可以看到著色效果非常好。

為什么是三個模型？

DeOldify現(xiàn)在有三種型號模型可供選擇。每個都有關鍵優(yōu)勢和劣勢，因此具有不同的用例。

更多細節(jié)內(nèi)容可以訪問查看GitHub：

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