出門(mén)在外，是不是才覺(jué)得媽媽的嘮叨分外可愛(ài)又令人懷念。母親節(jié)到了，翻箱倒柜想找出一張媽媽的老照片，卻因?yàn)樵缫逊狐S褪色而觸碰不到回憶的信號(hào)，記不得哪年哪月哪天，找不回那條曾經(jīng)以為可以一直走都走不到盡頭的童年街巷。彎彎的月亮，搖在手里的蒲扇，是回不去的流逝光陰，但能不能至少將這些回憶鐫刻在相片，然后緊緊攥在手里？

最近圖像修復(fù)大火，從網(wǎng)友們用小程序“你我當(dāng)年”一鍵修復(fù)老照片到GitHub上的熱門(mén)項(xiàng)目“用機(jī)器學(xué)習(xí)給黑白照片上色”，我們似乎找到一個(gè)保存記憶的良方。

GitHub上給老照片上色的一個(gè)項(xiàng)目：DeOldify

歲月從墻上剝落，小時(shí)候牽著媽媽的手哭著鬧著要買(mǎi)的那根冰棍，你還記得它的顏色嗎？用DeOldify給黑白照片上色，嘗試拼湊出曾經(jīng)的家庭生活的歡樂(lè)色彩，也找回曾經(jīng)的家庭時(shí)光的溫度。

感恩節(jié)的回憶（1911年）

Lemuel Smith夫婦和年幼的孩子們?cè)谵r(nóng)場(chǎng)的家庭時(shí)光（1941年）

假如母愛(ài)有顏色，假如思念有形狀，它不應(yīng)該是黑白而模糊的。回憶應(yīng)該是在明朗的月光下，沿著夏夜的風(fēng)爬上家門(mén)口的梧桐，然后輕輕敲打我的窗臺(tái)。

給老電影《黑暗中的舞者》上色

《黑暗中的舞者》講述一個(gè)母親來(lái)到美國(guó)為了治愈失明的13歲兒子，甘愿自己被捕入獄，并且最后被判死刑。當(dāng)死亡就在眼前時(shí)，巨大的恐懼和強(qiáng)烈的求生欲讓她嘶叫嚎哭，只有朋友告訴她兒子手術(shù)成功，不會(huì)失明時(shí)，才讓她鎮(zhèn)定下來(lái)，驚恐無(wú)助的女孩又回歸成為了從容的母親。是非常適合母親節(jié)觀看的一部影片。

這是影片最后行刑前比約克對(duì)兒子說(shuō)的話：

“親愛(ài)的兒子俊，別害怕，我從不孤單，這不是最后一首歌，沒(méi)有小提琴，合唱團(tuán)那么安靜，沒(méi)人轉(zhuǎn)圈。這是倒數(shù)第二首歌，記得我說(shuō)過(guò)的話，把面包包好，把床鋪好。”

大火的小程序“你我當(dāng)年”

網(wǎng)友用小程序“你我當(dāng)年”還原女星模糊照片后的美貌：

林青霞修復(fù)后的照片

我的媽媽可能有點(diǎn)普通，有時(shí)候還有點(diǎn)市儈。我們說(shuō)“為母則剛”，但她當(dāng)年也只是一個(gè)被捧在手心里的小公主。快拿媽媽年輕時(shí)候的照片也試一下，看一看她當(dāng)年的風(fēng)采。

圖像修復(fù)技術(shù)一覽AI修復(fù)官：記憶不再模糊

“你我當(dāng)年”運(yùn)用主要是CNN、GAN等AI技術(shù)，即卷積神經(jīng)網(wǎng)絡(luò)和生成式對(duì)抗網(wǎng)絡(luò)”，讓人想到美圖秀秀的一鍵磨皮，它們雖然都利用了卷積神經(jīng)網(wǎng)絡(luò)，但二者并不一樣。美顏軟件中常見(jiàn)的磨皮功能是做減法，將照片去掉細(xì)節(jié)，做模糊處理。常用的磨皮算法包括均值模糊、高斯模糊、中值濾波等，它們的去噪效果好，但視覺(jué)效果差。而你我當(dāng)年是做加法，可以自動(dòng)補(bǔ)充細(xì)節(jié)，即利用AI算法替代圖像中缺失或者損壞的數(shù)據(jù)。

AI修復(fù)的大小S照片在網(wǎng)上引起驚嘆

圖像修復(fù)一般用“擴(kuò)散”的方法來(lái)處理，這種方法將局部結(jié)構(gòu)應(yīng)用到其他部分。或者用“示例”的方法，每一次構(gòu)建缺失部分的一個(gè)像素點(diǎn)（塊）保持和周圍像素點(diǎn)的一致性。但是當(dāng)缺失部分很大時(shí)，這些方法會(huì)失效，因此就需要運(yùn)用機(jī)器學(xué)習(xí)。由一個(gè)高階模型提供補(bǔ)充的信息，例如深度神經(jīng)網(wǎng)絡(luò)。

深度神經(jīng)網(wǎng)絡(luò)使用監(jiān)督圖像分類，在監(jiān)督圖像分類中，每個(gè)圖像都有一個(gè)特定的標(biāo)簽，神經(jīng)網(wǎng)絡(luò)通過(guò)一連串的基本操作運(yùn)算來(lái)學(xué)習(xí)圖像到標(biāo)簽之間的映射。通過(guò)輸入學(xué)習(xí)大量的數(shù)據(jù)集（數(shù)百萬(wàn)張帶有成千個(gè)的標(biāo)簽的圖像），神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)準(zhǔn)確的分類，實(shí)施一個(gè)判別式預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)來(lái)指導(dǎo)圖像重建。

原理類似訓(xùn)練一個(gè)機(jī)器人，讓其對(duì)缺失信息很多的圖進(jìn)行“腦補(bǔ)”；同時(shí)找來(lái)一個(gè)“鑒定師”提出意見(jiàn)，讓機(jī)器不斷鉆研，雙方不斷提升。

AI上色師：老照片重見(jiàn)光彩

同樣地，訓(xùn)練有素的AI可以學(xué)會(huì)上色，生成對(duì)抗網(wǎng)絡(luò)的本質(zhì)還是學(xué)習(xí)損失函數(shù)。通過(guò)先對(duì)照片進(jìn)行圖像分割，AI可以區(qū)分出標(biāo)志性物體，認(rèn)出圖像中的各種元素，比如樹(shù)木、天空、人臉、服裝……在輸入大量包含常見(jiàn)場(chǎng)景和人物的圖片后，AI會(huì)自動(dòng)學(xué)習(xí)和記憶這些關(guān)鍵信息的顏色，比如樹(shù)葉是綠色、人臉是膚色等。因此，它可以很快開(kāi)始對(duì)黑白照片里的場(chǎng)景進(jìn)行彩色化，填補(bǔ)缺失色彩。

而更進(jìn)一步地，AI正在逐步從靜態(tài)照片進(jìn)軍動(dòng)態(tài)效果，近日，在Facebook的F8大會(huì)上，一個(gè)名為Jason Antic軟件工程師展示了用DeOldify為老電影上色，效果非常驚艷。

電影《Reefer Madness》1936

DeOldify的深度學(xué)習(xí)模型借鑒了當(dāng)前多種主流技術(shù)方法，包括：自注意生成對(duì)抗網(wǎng)絡(luò)（Self-Attention Generative Adversarial Network）、兩個(gè)時(shí)間尺度更新規(guī)則（Two Time-Scale Update Rule）以及最重要的——NoGAN——他開(kāi)發(fā)的一種新型GAN訓(xùn)練模型，用來(lái)解決之前DeOldify模型中出現(xiàn)的一些關(guān)鍵問(wèn)題。NoGAN訓(xùn)練結(jié)合了GAN訓(xùn)練的優(yōu)點(diǎn)（絢爛的色彩），并消除了一些副作用（如視頻中閃爍的物體）。

GitHub地址：

https://github.com/jantic/DeOldify/blob/master/README.md

上色體驗(yàn)地址：https://colorize.cc/

話說(shuō)回來(lái)，今天母親節(jié)，給媽媽打個(gè)電話，然后把媽媽的畫(huà)像牢牢印在腦海吧。當(dāng)然照片只是輔助，有些事還是要握在手心，刻在心頭。