你對“歷史”這個詞的第一印象是什么？
很多人的腦海中最先冒出來的，或許是像下面這樣粗糙顆粒、老舊模糊的黑白影片：
△圖源 1951 年紀(jì)錄片《抗美援朝》
但現(xiàn)在，在 AI 修復(fù)技術(shù)的幫助下，那些模糊的影片也能被賦予色彩：
在聽到最新一批在韓中國人民志愿軍烈士遺骸將于 9 月 2 日被移送回國的消息之后，“AI 修復(fù)師”大谷 Spitzer 便再一次用這種獨特的方法，表達(dá)了自己的哀思。
而共青團中央官博也轉(zhuǎn)發(fā)了這段 AI 上色后的特殊視頻，并表示：
山河無恙，英雄不朽。
歷史并非黑白無聲
就如同電影《你好，李煥英》中，那段仿佛“一腳踏入現(xiàn)實”的從黑白到彩色的鏡頭一樣。
當(dāng)這段 70 年前的紀(jì)錄片染上色彩之時，我們這些觀者也不禁有一種向歷史踏近了一步的感覺。
有穿著綠色軍裝，扛著紅旗前行的小戰(zhàn)士們：
有擠在綠皮火車上，與自己的親朋好友告別的軍人們：
還有踩在黃色土地上，從鴨綠江上橫跨而過的隊伍：
制作者大谷 Spitzer 表示，“每次修復(fù)這些歷史影像，都能給我?guī)砗艽蟮恼鸷场薄?/p>
而在之前的“讓革命先烈露出微笑”的項目中，他也解釋了自己所認(rèn)為的“AI 修復(fù)的意義”：
我會把它定義成五分鐘彼岸的一個概念。
就是說，在這種紛繁復(fù)雜的現(xiàn)代社會中，可能抽個五分鐘去看一段古代的影像，或者以前的影響，看看當(dāng)時的古人們是如何生活的，他們所思所想是怎樣的。
AI 如何修復(fù)
對于這次修復(fù)，大谷坦言，“技術(shù)難點在于多人物鏡頭的修復(fù)”。
因此，他使用了支持 TensorFlow、Flink 等多種計算框架的機器學(xué)習(xí)平臺 PAI。
在平臺中，他增加了更多參考幀，并與其他的 AI 上色分辨率提升模型進(jìn)行拼合，最終達(dá)到了很好的修復(fù)效果。
而在之前的項目中，大谷 Spitzer 也對自己所使用的 AI 修復(fù)技術(shù)進(jìn)行了詳細(xì)解釋。
比如，用于臉部高清增強的是 GAN 先驗嵌入式網(wǎng)絡(luò)，也就是 GPEN（GAN prior embedded network）。
這一網(wǎng)絡(luò)架構(gòu)會將 GAN 先驗網(wǎng)絡(luò)嵌入到深度神經(jīng)網(wǎng)絡(luò)（DNN）中，并從中進(jìn)行微調(diào)。
上色的則是基于 NoGAN 技術(shù)的 DeOldify，這種新型的 GAN 訓(xùn)練模型能夠解決視頻中物體閃爍等問題：
此外，還有負(fù)責(zé)視頻幀插值的 RIFE，用于臉部生成的 Artbreeder，以及增加分辨率的 Topaz Labs。
那些相隔百年的對視
其實在 AI 修復(fù)技術(shù)愈發(fā)成熟的今天，已經(jīng)有越來越多的項目開始用到這項技術(shù)。
比如大谷 Spitzer 在去年就做過“晚清時期的北京”影像修復(fù)，玩了一把百年前的“老北京 Vlog”：
而今年五月四日，央視還在 AI 修復(fù)節(jié)目《彩繪中國?覺醒》中展示了一段彩色的五四運動現(xiàn)場：
這一節(jié)目的執(zhí)行編導(dǎo)說到他們?yōu)槔嫌跋襁M(jìn)行修復(fù)上色的初衷，只是“想還原一段歷史”。
因為當(dāng)時的人們并非生活在黑白無聲的世界里。
我們所有的努力就是想向老影像致敬并以電影的體驗方式呈現(xiàn)出來，以此把觀眾帶入到那段時空當(dāng)中去，感受一百年前人們的精神風(fēng)貌。
這也正像是這位網(wǎng)友所說的那樣：
我們周圍的高技術(shù)越多，就越需要人的感情。
最后附上完整視頻：
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。