大热的AI修复技术,会让老北京重现吗? 作者：暂无 来源：《上海信息化》 2020年第8期 最近，一支百年前的老北京“Vlog”刷爆网络。作者用AI技术完成上色、修复帧率、扩大分辨率等步骤，对百年前的影像进行修复。经过AI的“妙手回春”，影像画面逼真流畅，生动还原了当时人们生活的场景…… 文 王鲲 AI技术早已不止于概念。如今，一个个成型的产品不断出现在大众面前，令人眼花缭乱。这不，一位网友利用AI技术，将加拿大摄影师在1920年到1929年拍摄的一段北京黑白影像资料做了修复，完成了上色、修复帧率、扩大分辨率等步骤。被AI修复后，那些原本有些卡顿、清晰度差的黑白画面变成了彩色，画质逼真且流畅。这部纪录片向人们生动展现了百年前北京城的模样，把人一秒“拉回”旧时光…… 旧影像修复并不是新鲜事。一方面，人们对经典老片总是有着难以割舍的怀旧情结；另一方面，保护不断流失的珍贵影像遗产也是全人类的责任，各方其实很早就将老电影的修复工作提上日程。但是，之前从事旧影像修复工作的往往是一些有一定艺术功底的老师傅，依靠手工逐帧修复、合成的传统方式需要耗费大量的人力、物力和时间。有时，修复一部电影甚至需要两三年的时间，修复成本也很高，这在很大程度上制约了旧影像的大规模修复。 正所谓“山重水复疑无路，柳暗花明又一村”。随着人工智能领域机器学习、图像处理等技术的快速发展，AI修复影片成为旧影片修复的新方式。 AI修复技术在普通人的想象中，可能是一种容易操作的工具，就如美图秀秀的美颜以及抖音里的视频优化功能等，用户只要把视频资料拖拽到一个对话框内，系统就会自动开始编辑修复。然而，专业的AI修复其实是个大工程。 影像修复采用的主要技术是AI插值。首先，利用一种专有的插值算法，对图像做分析，识别其中的细节和结构，然后将补充的信息填充到图像中。或许轻描淡写的描述，还不能体现AI的价值和工作量，事实上，影像修复背后有着复杂的工作逻辑。以像素提升为例：普通高清是像素1920×1080，总像素为2073600，而4K高清是像素3840×2160，总像素是8294400。也就是说，单是把普通高清提升到4K高清，就需要额外填充600多万个像素，而且这仅仅是从“像素数量”上来考虑，如果要加上“像素类别”的评估，复杂度和工作量就会呈几何式增长。特别是早期AI技术尚未成熟，更需要专业人士和发烧友级别的网友来操作。前文提到的老北京影像修复，采用的技术来自AI图像编辑技术提供商Gigapixel，最终效果令图像质量提升了600%。 AI技术已经能基本实现由黑白到彩色的深度修复，这主要是通过深度神经网络学习技术，利用深度神经网络学习不同语义内容在不同灰度下对应的色彩信息分布，实现对黑白影像内容自动修复、自动上色的要求。通俗来讲，AI在修复影像资料之前，会进行大量图片、影像的学习，记忆这些关键元素的颜色，如天空、人脸、衣服、建筑物等等；面对目标修复的影像，AI会对影像进行分割，找到标志性物体，再从自己的数据库中关联最合适的颜色进行填补。未来，AI技术会进一步发展，比如可以识别出影像中的人种，然后根据人种来给皮肤上色等。简言之，AI修复术的逻辑就是基于海量数据加上精密快速之算法：先学习，再修补。 AI修复老北京城的视频显得弥足珍贵，一来代表着最新技术的进展，未来肯定会大范围推广到电影、游戏、体育赛事转播等领域;二来，修复后的影像，会让很多美好的历史焕发生机。如今，人们正陷入焦虑时代，越来越怀念曾经“朴素”的年代，AI修复技术的进步或许能创造出更多元的价值观，帮助现代人摆脱焦虑，更深刻地理解生活。 当然，AI能做到的远远不止于此，随着5G时代到来，AI修复影片的技术甚至还可以用来修复优化即时视频的不清晰画面、抖动、噪音问题……可以说，它有着足够的潜力待人挖掘。但同时，人们也应该意识到，虽然AI修复影片能够还原影片拍摄时期的风采，但目前的AI修复还存有很多的缺陷和不足。比如，机器审美力不足、上色错误等。这次北京城旧影像AI修复所采用的模型，一直是对国外老电影进行“学习”的，显然无法直接将其套用在100年前的中国影片修复上，虽然肤色得到大致还原，但是在服装等方面，上色的准确性还有待商榷，无法做到与历史相符。另外，影像仍存在部分色彩问题，修复画面色彩会出现飘忽不定的情况。 不过，有潜力就会有发展，有缺陷就会有改进的空间，这也就意味着新的机遇和挑战。老舍在《想北平》中写到：“我所爱的北平不是枝枝节节的一些什么，而是整个儿与我的心灵相黏合的一段历史，一大块地方。多少风景名胜，从雨后什刹海的蜻蜓一直到我梦里的玉泉山的塔影，都积凑到一块，每一细小事件中有个我，我的每一思念中有个北平，只是说不出而已。”字里行间，可以看出老舍对于旧时光的无限依恋。或许未来，随着修复技术的不断提高，胡同、茶馆、豆汁儿铺这些逐渐消失的景象，都能在AI修复技术的帮助下更多呈现在世人面前，让慢生活的北京城重现。 本文来源：https://www.wddqw.com/doc/01051eb029160b4e767f5acfa1c7aa00b42a9d09.html