ai如何修復老照片（AI修復老照片）

夢晨 發自 凹非寺
       量子位 報道 | 公眾號 QbitAI

AI給老照片上色，近來確實很火爆，但上的顏色真的準確嗎？

有人便就此做了個實驗，把20世紀初俄國的彩色照片去色後，再與AI上色的結果做對比。

如此對比結果之下，這位網友直接指出：

AI總是傾向於選擇不鮮豔的顏色，讓天空總是灰濛濛，人們的穿著都很樸素，地面充滿灰塵和泥土。

但更進一步的，她所擔心的還有另外一點——AI會加重人們對過去“是枯燥乏味、死氣沉沉”的偏見。

她認為給老照片上色這種工作，還是應該交給人類專家完成。

AI，不行☝️。

此帖一出，在Reddit上的機器學習社羣和歷史愛好者社羣引發了大激辯。

不到一天的時間蓋起一千多樓，總計3萬5千贊。

但後來，因為吵得太厲害，原帖都被版主刪了……

來自不同社羣的網友們，又在爭吵些什麼呢？

技術界：你這演算法靠譜嗎？

來自機器學習版塊的選手首先提出了質疑：

你用的這個演算法，他是State of the Art嗎？一看就是簡單地將損失函式設計成計算周圍畫素的均方誤差(MSE)一類的東西，這樣就會促使AI選擇低飽和度的顏色。

有人給出了改進思路，應該把色相、飽和度和亮度的差異單獨加權，然後“懲罰”異常值，減少演算法選擇低飽和度顏色的動機。

懂攝影的選手指出，彩色照片去除RGB通道 ≠ 黑白相機原片。像適馬SD1 Merill和徠卡M Monochrom這樣的專業裝置感測器能捕捉到更大的動態範圍。

目前的資料集為了方便，都是用彩色影象去色做的，還沒見到過用真正的單色相機原片做訓練的。

不服的人說，黑白照片就是有誤導性。

你看這一排柿子椒，去色以後質感都一樣，人類也不能分出哪些是紅色哪些是綠色的。

有人認為，人們不能把AI當作魔法或奇蹟，商業公司也不能把AI生成的內容當成事實去銷售。這是個商業倫理問題，而不是AI倫理問題。

手藝人：最重要的是文化

在照片上色愛好者聚集地，人們認為手動給老照片上色最有價值的環節其實是蒐集資料。

尋找照片中事物應有顏色的過程中總是能學到很酷的歷史知識。

也有人指出，在網上釋出AI上色的照片，人們的焦點都放在對技術進步的慶祝了。老照片背後的人文價值卻被忽略。

有人認為AI在計算光照陰影方面很強，但挑選顏色還是需要人類專家的指導。

AI應該像實習生一樣成為人類的助手，而不是人們把工作全丟給AI去做。

人與AI協作

其實人類指導AI給照片上色的研究已經有了。這項研究發表在SIGGRAPH 2017大會上。

在演示中，人類可以在灰階影象的任意畫素指定顏色，AI會自動計算適用的範圍，並實時給出預覽。

該演算法使用卷積神經網路(CNN)，灰階影象和人類指定顏色作為輸入，自動計算顏色的分佈。

訓練集包含130萬張彩色照片的去色版本，其中包含很多著名攝影作品。每個選色的人類使用者平均在每張照片上平均花費1分鐘。

模型使用Caffe開發，後來補充了PyTorch版本，已在Github上開源。

CPU或GPU計算都支援，可以下一個玩玩。

Github地址：
   https://github.com/junyanz/interactive-deep-colorization

論文地址：
   https://arxiv.org/abs/1705.02999

SIGGRAPH演講：
   https://www.youtube.com/watch?v=rp5LUSbdsys

參考連結：
   [1]https://www.reddit.com/r/MachineLearning/comments/mqqnxj/d_r_aiml_colorisation_versus_actual_color_photos/
   [2]https://www.reddit.com/r/Colorization/comments/mqn103/the_problem_with_ai_colorization/

— 完 —

量子位 QbitAI · 頭條號簽約

關注我們，第一時間獲知前沿科技動態