來自｜機器之心? ?編輯｜張倩

「從我有記憶開始，媽媽就是中年婦女的模樣，所以我會忘記，她也曾是花季少女。」

春節檔上映的《你好，李煥英》讓不少人在影院哭得稀里嘩啦，它戳中了每個人心里最柔軟的部分。有人看完電影之后會給媽媽打個電話，有人會拿出媽媽年輕時的照片，感嘆一下爸爸的基因為什么要那么強大。

B 站知名 up 主大谷也是《你好，李煥英》的影迷之一，不過他做了一點不一樣的事情：嘗試用一系列 AI 技術修復了李煥英年輕時的黑白照片，不僅給照片上了色、提高了分辨率，還讓照片中的人物動了起來。

原始黑白照片。

修復后的動態彩色照片。

整個修復的流程并不復雜，涉及 AI 色彩還原、AI 清晰度增強、臉部精修、手繪微調等過程：

最終的修復效果如下：

大谷表示，他是偶然間看到了這張老照片，很有感觸，于是試著用 AI 腦補還原了一下拍攝前的動態影像。不過，由于還原場景動態與上色是基于 AI 技術生成，具有一定的想象元素，因此不等于準確還原。

為了幫助大家掌握這項技能，大谷還公布了他用到的兩個開源項目：飛槳 PaddleGAN 和 DFDNet。

飛槳 PaddleGAN

GAN 的全稱是生成對抗網絡，被「卷積網絡之父」Yann LeCun（楊立昆）譽為「過去十年計算機科學領域最有趣的想法之一」，是近年來火遍全網、AI 研究者最為關注的深度學習算法方向之一。

GAN 在諸多領域都有著成功的應用，如圖像生成 / 修復、超分辨率、圖像噪聲消除、換裝 / 妝、圖像風格遷移、文字 / 聲音生成等，覆蓋互聯網、娛樂、游戲等各個行業。

為了給開發者提供經典及前沿的生成對抗網絡高性能實現，并支撐開發者快速構建、訓練及部署生成對抗網絡，百度飛槳打造了一個圖像生成模型庫——PaddleGAN，覆蓋 Pixel2Pixel、CycleGAN、StyleGAN2、PSGAN 等經典 GAN 模型，支持視頻插幀、超分辨率、老照片 / 視頻上色、視頻動作生成等應用。

除了上面展示的視頻修復，PaddleGAN 還能提供各類不同的圖形影像生成、處理能力。人臉屬性編輯能力能夠在人臉識別和人臉生成基礎上，操縱面部圖像的單個或多個屬性，實現換妝、變老、變年輕、變換性別、發色等，使得一鍵換臉成為可能 *；* 動作遷移能夠實現肢體動作變換、人臉表情動作遷移等。

比如這樣：?

讓蘇大強表達心中之痛，唱起 unravel（視頻鏈接：https://www.bilibili.com/video/BV1Yy4y1r7DC）。

這樣：?

還有這樣：?

PaddleGAN 項目鏈接：https://github.com/PaddlePaddle/PaddleGAN/blob/develop/README_cn.md

DFDNet

近年來，基于參考的人臉修復方法已經受到了很多關注，但這些方法大多需要來自相同身份的高質量的參考圖像，因此只適用于有限的場景。為了解決這一問題，來自哈爾濱工業大學、香港大學等機構的研究者在《Blind Face Restoration via Deep Multi-scale Component Dictionaries》一文中提出了一種名為深度人臉字典網絡（deep face dictionary network，DFDNet）的方法來指導退化觀測（dgraded observation 的修復過程。

首先，作者使用 K-means，利用高質量圖像為感知顯著的人臉部位（如左 / 右眼、鼻子和嘴）生成深度字典。接下來，利用退化輸入（degraded input），研究者從相應的字典中匹配和選擇最相似的部位特征，并通過提出的字典特征遷移塊（DFT）將高質量的細節遷移到輸入上。最后，利用多尺度字典逐步實現從粗粒度到細粒度的修復。

實驗結果表明，作者提出的方法在定性和定量評估中都能實現合理的性能。更加重要的是，該方法可以在不需要 identity-belonging 參考的情況下，利用真實的退化圖像（degraded image）生成逼真、有前景的結果。以下是一些人臉修復效果展示：

該網絡的基本結構如下：

網絡主要包含兩個部分：a. 從大量包含各種姿態和表情的高質量圖像中離線生成多尺度組件字典。這部分使用 K-means 算法為每個部位（即左 / 右眼、鼻子和嘴）在不同尺度上生成 K 個簇；b. 修復過程和字典特征遷移（DFT）塊，用于以漸進的方式提供參考細節。

• 論文鏈接：https://arxiv.org/pdf/2008.00418.pdf

• 項目鏈接：https://github.com/csxmli2016/DFDNet

參考鏈接：

https://mp.weixin.qq.com/s/xSic1Tk93dk_N1qMylymtg

https://www.bilibili.com/video/BV1wh411k7YN?p=1&share_medium=iphone&share_plat=ios&share_source=WEIXIN_MONMENT&share_tag=s_i×tamp=1613972331&unique_k=KQGwoS?

推薦閱讀誤執行了rm -fr /*之后，除了跑路還能怎么辦？！ 程序員必備58個網站匯總 大幅提高生產力：你需要了解的十大Jupyter Lab插件

總結

以上是生活随笔為你收集整理的动态“神还原”李焕英旧照，用技术致敬每一位妈妈！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。