桔了个仔，人工智能 | 数据科学 |AI风控与反洗钱 | 码农 阅读原文 感受 之前看《你好李焕英》里，有一个表现手法非常让我印象深刻。就是一开始场景是黑白的，然后慢慢变成彩色的，从黑白到彩色的这个过程，让我有种「进入新的现实」的感觉。 类似的，当我看到当年五四运动这些影像从黑白变成彩色后，仿佛置身五四运动现场，尽管画面分辨率不高，色彩也不那么完美，但就是能给人一种身临其境的感觉，回到一百年前，与青年们一起救亡图存。 当时的青年尚能挺身而出，忧国忧民，我相信，现代的青年也能奋发图强，肩负起对于这个国家的历史责任，塑造起具有时代光芒的民族精神。 看了下回答区，大家都对技术原理感兴趣啊，那我来用简单的语言讲讲吧。 技术原理 AI 上色的原理是什么？那我们就需要介绍一种深度学习网络架构了，它就是 GAN（这里不是粗话）。GAN 不是干饭人的干，而是生成对抗网络（英语：Generative Adversarial Network，简称 GAN）。当然，太复杂的技术讲解可能会让读者迷惑，于是我找到一张很直白的原理图。 GAN 网络分两部分，一个是生成器（Generator），一个是鉴别器（Discriminator）。生成器通过对图像上色，然后交给鉴别器。鉴别器判断这一个图片看起来真不真，如果觉得假，鉴别器会返回「修改意见」，让生成器重新试试，直到鉴别器觉得足够真了。如果你觉得还不好懂，我再打个比方，这就好像美术老师指导学生画画的过程，一开始学生画出来的不够好，老师指出，学生尝试改改，老师再检查，再给意见，直到老师满意。 这就是一张图的上色过程。而视频是一帧帧画面组成的，给视频上色可以理解为通过这个网络架构给视频里的每一帧上色。不过没有这么简单，毕竟视频一秒钟几十帧，一帧帧上色有点慢，而且每一帧之前可能会出现上色效果不一致。所以有的架构会针对细节调整。例如 DeOldify 采用了 NoGAN（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。例如如视频中闪烁的物体 使用 NoGAN 前，画面闪烁严重 使用 NoGAN 后闪烁减少 当然，实际还原的色彩其实和原本的色彩是不一样的，仅仅是能让其看起来自然。我做了个实验（AI 上色工具稍后介绍到），能看到上色效果和原来的效果并不一样。我下载了这么一张向日葵的照片 我手动转成黑白的 这时候再让 AI 上色，咦，向日葵变成雏菊了。不过看起来竟然也有另一番美感。 一般来说，给人上色会更接近实际情况些。因为人的肤色比较有限，判别器里已经学习过人脸的颜色可能是哪些，转换成灰度图像后对应什么颜色值，所以 AI 不太可能会给黑白的人像涂成绿色脸 动手试试 如果你是技术小白，你可以直接打开这个网址，你只需要上传一张图片就能自动上色。 Image Colorization 例如效果如下： 看起来效果很棒吧。如果你懂点技术但不懂机器学习，可以用 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())# Example posting a local image file:importrequestsr=requests.post("https://api.deepai.org/api/colorizer",files={'image'pen('/path/to/your/file.jpg','rb'),},headers={'api-key':'quickstart-QUdJIGlzIGNvbWluZy4uLi4K'})print(r.json()) 如果你想深入研究，建议去 fork DeOldify 的 repo，自己动手玩玩 https://github.com/jantic/DeOldify 阅读原文
