您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识
yanni(你站在街上歪头瞅摄像机，我在 100 年后隔着屏幕瞅你)
物体,视频,照片yanni(你站在街上歪头瞅摄像机，我在 100 年后隔着屏幕瞅你)
发布时间：2016-12-08加入收藏来源：互联网点击：
深度图中，不同颜色代表不同深度值
（二）糊糊糊糊糊对于视频来说，画面流畅远远不够，清晰也很重要。
如果画面很朦胧，你连主演的表情都看不真切，就不能揪着 Ta 的演技口吐芬芳，从而失去一个闲谈时的八卦谈资，进而你会质疑当下的视频制作水平，你的不信任就会阻碍视频行业的健康发展，为了这一切不会发生，画面必须要清楚。
提到清晰度，你肯定会想到 480P、720P、1080P、2K、4K，那么问题来了，怎么才能把 480P 的视频提升到 720P 呢？重拍。
除了重拍呢？那就是超分辨率重建。
超分辨率，意思是用硬件或软件提高原图的分辨率，这个处理过程，就叫做超分辨率重建。
超分辨率重建技术可以分为两种，一种是多合一，多张低分辨率图片合成一张高分辨率图片，另一种是单重建，用单张低分辨率图片恢复一张高分辨率图片。大谷在修复 100 年前的“老北京 Vlog” 时，用的扩增分辨率工具 ESRGAN，就属于后者。
ESRGAN 全称叫做「增强型超分辨率生成对抗网络」，是由 SRGAN (超分辨率生成对抗网络) 升级而来，它们都是基于生成对抗网络的超分辨率方案。
生成对抗网络 (Gan) 可以看做是两个小人在博弈，一个小人叫做生成模型，另一个小人叫做判别模型，生成模型小人的任务是以假乱真，用超分辨率技术造出可媲美原图的照片，而判别模型小人的任务则是明辨真假，判断眼前的照片究竟是原图还是对手生成的，两个小人在长期的斗智斗勇中，水平越来越高，基于这个模型训练出来的 AI，就能够越来越精确的重建出高分辨率图片。
ESRGAN 不仅继承了前身 SRGAN 优良的全局把控力，而且通过调整算法，弥补了之前的短板：容易丢失细节。如此重建出来的图片，与原图相差无几。
从下图中可以明显看出，用 ESRGAN 重建的照片，细节 (胡须) 呈现的更好。
SRGAN、ESRGAN 还原效果与实际画面的对比
但不得不说，有时候，“画至清、则有瑕”，画质太过清晰，也难免会把“瑕疵”推到观众眼前，这一点在老电影修复的过程中，就常常会发生。比如在《亮剑》修复版中，就出现了无比醒目的穿帮镜头：
截图来源于《亮剑》修复版
所以，在此友情提示：观影重在沉浸感，你可以专注于看剧情、看演员、看特效，别的就算了，能过就过，千万别较真，比如我就根本没有注意到某部电影中精良的化妆技术。
截图来自于某部忘了名字的电影
（三）给黑白加彩1839 年，法国画家达盖尔成功做出了世界上第一台照相机，人们惊奇的看着这个奇怪的木匣子，兴奋又忐忑地围观着这门独一无二的“新艺术”。然而，当照片呈现在眼前，人们的兴奋却变成了失望。
照片，记录下了每一个精致的细节，可是颜色去哪儿了呢？
本着“顾客就是上帝，上帝不能失望”的商业准则，一场声势浩大的色彩捕捉行动开始了。科学家、摄影师、艺术家都参与其中，拼命想找出能让照片显示出色彩的办法，然而一圈下来，毫无进展。
情急之下，一个替代方案诞生了：上色。
值得一提的是，绝大多数情况下，摄影师和上色技师并不是同一个人，最后的呈现效果，极大依赖于技师的理解和审美。所以你瞧，照片上色这个事儿，从一开始就属于二次主观创作。
照片上色主要经历了三个阶段，首先是彩色胶卷问世之前，当时的照片上色纯靠手工，也就是画。鸦片战争打开了中国国门，让摄影技术进入了人们的视线，也催熟了国内的照片上色行业，甚至在新中国成立之后，还专门举办了上色技师评比大赛，大家说好，才是真的好。
上世纪30年代，明星周璇17岁时的手工上色照片
手工上色从工艺上来看，分为水色和油色两种，水色就是水彩类颜料，优点是画面通透，油色则是油性颜料，优点是保存持久。相比之下，油色更受欢迎。
上色不是直接用笔在照片上画，需要先给照片褪色：先用铁氰化钾，把照片上的黑色变成白色；再用硫化钠，把照片整体调成棕色；接下来，就可以在这张棕色的“画布”上进行填色了。
1935 年，柯达克罗姆彩色胶卷问世，彩色摄影成了主旋律，照片上色也走进了第二个阶段：数码调色。工具就是各位熟知的 Photoshop (PS)，可谓是“PS 在手，万物皆可彩色”，不变的，依然是二次主观创作的属性。
时间再往后走，照片上色来到了第三个阶段：AI 填色。
人工智能本不认识颜色，看的多了，也就会猜了。修复 100 年前的“老北京 Vlog”时，大谷用的 AI 上色工具叫做 DeOldify，是由一位美国小哥首发在 Twitter 上的开源软件，我们先来看几个它过往的作品。
DeOldify 的工作步骤大概是这样：对照片进行图像分割，识别出图像中的所有元素，接下来，学习大量包含这些元素的数据集，填鸭式记忆物体的常规颜色，比如海洋蓝、树木绿，最后，学以致用，给黑白照片填充上合理的颜色。
如果给人工智能一个完美的数据集，它恐怕能给灵魂涂上颜色。
起初，DeOldify 只被用来做照片上色，鉴于它出色的表现，才开始让它为老电影上色，从效果来看，依然惊艳，正如在“老北京 Vlog”中的表现一样，DeOldify 带我们穿越历史，跳出曾经无数次背诵过的历史考点，隔着百年时光，感受属于小人物的平凡和精彩。
Jason Antic借助DeOldify 为1936年的老电影上色
而在第二弹视频中，大谷使用了 AI 新技术 DeepRemaster，在全局表现效果来看，更加优于 DeOldify，这就是 AI 后浪的力量。
不过，从实际效果来看，惊艳中仍有遗憾，比如视频中的上色不是 100% 精确的，因为人工智能学习使用的数据集，还不能涵盖这一历史时期的所有色彩样本，所以只能说，这种上色效果是合乎常理的，是人工智能基于现实所带来的浪漫复现：给不了你真实，只能给你一种真实的可能性。
突然想起一句话：我们所谓的故乡，不过是祖先流浪的最后一站。
回望视频中的这些人，他们一生经历了些什么，我们不得而知，但在 AI 的修复下，时光突然被折叠，我们有幸得以瞥见他们人生中的一瞬真实，已经是科技最好的馈赠了。
是路人，也该好好路过。
本文到此结束，希望对大家有所帮助呢。
下一篇：返回列表
相关链接 |
||
| 网友回复（共有 0 条回复） |