妈妈不在身边的第X个母亲节,用AI找回她的美好时光

  • 时间:
  • 浏览:1
  • 来源:大发快3_快3手机客户端_大发快3手机客户端

本文转载自微信公众号大数据文摘(ID:BigDataDigest),作者:宋欣仪,如需转载请联系文章作者

出门在外,与非 才难能可贵妈妈的唠叨分外可爱又令人怀念。母亲节到了,翻箱倒柜想找出一张妈妈的老照片,却将会早已泛黄褪色而触碰那末回忆的信号,记不得何时哪月何时,找不回那条从前以为能那末有3个 劲走都走那末尽头的童年街巷。弯弯的月亮,摇在手里的蒲扇,是回不去的流逝时光英文里匆匆,但能那末大约将那些回忆镌刻在相片,或者紧紧攥在手里?

最近图像修复大火,从前男友见面见面们用小系统进程“你我当年”一键修复老照片到GitHub上的热门项目“用机器学习给黑白照片上色”,当我们 儿儿似乎找到另另有有3个 保存记忆的良方。

GitHub上给老照片上色的另另有有3个 项目:DeOldify

时光英文里匆匆从墙上剥落,小从前牵着妈妈的手哭着闹着要买的那根冰棍,你还记得它的颜色吗?用DeOldify给黑白照片上色,尝试拼凑出从前的家庭生活的欢乐色彩,也找回从前的家庭时光英文里匆匆的温度。

▲感恩节的回忆(1911年)

▲Lemuel Smith夫妇和年幼的孩子们在农场的家庭时光英文里匆匆(1941年)

倘若母爱有颜色,倘若思念有底部形态,它不应该是黑白而模糊的。回忆应该是在明朗的月光下,沿着夏夜的风爬上家门口的梧桐,或者轻轻敲打我的窗台。

▲给老电影《黑暗中的舞者》上色

《黑暗中的舞者》讲述另另有有3个 母亲来到美国为了治愈失明的13岁儿子,甘愿本人被捕入狱,或者最后被判死刑。当死亡就在肩上时,巨大的恐惧和强烈的求生欲让她嘶叫嚎哭,那末当我们 儿告诉她儿子手术成功,完会失明时,才让她镇定下来,惊恐无助的女孩又回归成为了从容的母亲。是非常适合母亲节观看的一部影片。

这是影片最后行刑前比约克对儿子说一段话:

亲爱的儿子俊,别害怕,我何必 孤单,这与非 最后一首歌,那末小提琴,合唱团那末安静,那末转圈。这是倒数第二首歌,记得是我不好过一段话,把面包包好,把床铺好。

大火的小系统进程“你我当年”

前男友见面见面用小系统进程“你我当年”还原女星模糊照片后的美貌:

▲林青霞修复后的照片

我的妈妈将会有点普通,有从前还有点市侩。当我们 儿儿说“为母则刚”,但她当年也却说另另有有3个 被捧在手心里的小公主。快拿妈妈年轻从前的照片也试一下,看一看她当年的风采。

图像修复技术一览AI修复官:记忆不再模糊

“你我当年”运用主却说CNN、GAN等AI技术,即卷积神经网络和联 成式对抗网络”,让他想到美图秀秀的一键磨皮,它们难能可贵都利用了卷积神经网络,但二者何必 一样。美颜软件中常见的磨皮功能是做减法,将照片上加细节,做模糊补救。常用的磨皮算法包括均值模糊、高斯模糊、中值滤波等,它们的去噪效果好,但视觉效果差。而你我当年是做加法,能那末自动补充细节,即利用AI算法替代图像中缺失将会损坏的数据。

▲AI修复的大小S照片在网上引起惊叹

图像修复一般用“扩散”的妙招 来补救,你什么都有有妙招 将局部底部形态应用到什么都有有每种。将会用“示例”的妙招 ,每一次构建缺失每种的另另有有3个 像素点(块)保持和俯近像素点的一致性。或者当缺失每种很大时,那些妙招 会失效,或者就还要运用机器学习。由另另有有3个 高阶模型提供补充的信息,例如深度图神经网络。

深度图神经网络使用监督图像分类,在监督图像分类中,每个图像都另另有有有3个 特定的标签,神经网络通过一连串的基本操作运算来学习图像到标签之间的映射。通过输入学习血块的数据集(数百万张蕴含成千个的标签的图像),神经网络能那末实现准确的分类,实施另另有有3个 判别式预训练的神经网络来指导图像重建。

原理例如训练另另有有3个 机器人,让其对缺失信息什么都有有的图进行“脑补”;一起找来另另有有3个 “鉴定师”提出意见,让机器不断钻研,双方不断提升。

AI上色师:老照片重见光彩

同样地,训练有素的AI能那末协会上色,生成对抗网络的本质还是学习损失函数。通过先对照片进行图像分割,AI能那末区分出标志性物体,认出图像中的各种元素,比如树木、天空、人脸、服装……在输入血块蕴含常见场景和人物的图片后,AI会自动学习和记忆那些关键信息的颜色,比如树叶是绿色、人脸是肤色等。或者,它能那末减慢现在现在结束对黑白照片里的场景进行彩色化,填补缺失色彩。

而更进一步地,AI正在逐步从静态照片进军动态效果,近日,在Facebook的F8大会上,另另有有3个 名为Jason Antic软件工程师展示了用DeOldify为老电影上色,效果非常惊艳。

▲电影《Reefer Madness》1936

DeOldify的深度图学习模型借鉴了当前多种主流技术妙招 ,包括:自注意生成对抗网络(Self-Attention Generative Adversarial Network)、另另有有3个 时间尺度更新规则(Two Time-Scale Update Rule)以及最重要的——NoGAN——他开发的某种新型GAN训练模型,用来补救从前DeOldify模型中老出 的什么都有有关键问題。NoGAN训练结合了GAN训练的优点(绚烂的色彩),并消除了什么都有有副作用(如视频中闪烁的物体)。

GitHub地址:

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

上色体验地址:https://colorize.cc/

话说回来,今天母亲节,给妈妈打个电话,或者把妈妈的画像牢牢印在脑海吧。当然照片却说辅助,什么都有有事还是要握在手心,刻在心头。