我们特别感谢DeOldify的开发者jantic,该项目处于持续维护状态，参与贡献人数已有25人，使用一种NoGAN的神经网络来训练，最终使得复原的照片毛刺几乎完全消失、人物皮肤更为自然，效果逼近真实的照片。
0. 测试环境
线上谷歌实验室，使用pytorch和Tesla P100的GPU，附上Colab实验室地址。
1. 效果图
如开头的清朝宫女图，图中的格格衣着富贵，人像皮肤也是黄种人的质感，背后的青砖、树木都接近真实情况。
上图则是袁隆平早年在实验室进行水稻研究(图片来源：中国新闻网)，脸上洋溢着实验成功的喜悦，也足见当时年轻一代人的艰苦奋斗精神。
再来看些其他的一些照片着色效果图，旧照片均来自网络：
2. 代码解析
从目前的实际体验来看，开发组训练的模型已经非常出色了，对于普通人而言，完全可以拿来直接使用。因此，上述结果的输出在colab上直接使用即可。主要步骤就是下载模型，然后带入图片着色模型进行实际输出。
首先获取项目源代码：
git clone https://github.com/jantic/DeOldify.git DeOldify
cd DeOldify
其次下载开发者们已经训练好的模型：
mkdir 'models'
wget https://www.dropbox.com/s/zkehq1uwahhbc2o/ColorizeArtistic_gen.pth?dl=0 -O http://www.ztmm.cn/news/models/ColorizeArtistic_gen.pth
然后安装好项目需要用到到Pytorch等python的库：
pip install -r requirements.txt
最后运行代码即可：
import torch
if not torch.cuda.is_available():
print('GPU not available.')
import fastai
from deoldify.visualize import *
torch.backends.cudnn.benchmark = True
colorizer = get_image_colorizer(artistic=True)
source_url = 'https://i.redd.it/x8vuzbvl84n51.jpg' #@param {type:"string"}
render_factor = 25 #@param {type: "slider", min: 7, max: 45}
if source_url is not None and source_url !='':
image_path = colorizer.plot_transformed_image_from_url(url=source_url, render_factor=render_factor, compare=True)
show_image_in_notebook(image_path)
else:
print('Provide an image url and try again.')
3. 关于不懂代码的小白
如确实有旧照片着色或放大需求，可以联系博主进行修复。
4. 小结
实际上DeOldify项目不止做了旧照片修复着色工作，还做了旧视频修复着色，此外还有插画着色、素描着色等等，不得不感叹AI深度计算在图像修复领域的万丈光芒。本站将在后期陆续介绍其他用途，另外这款工具可以尝试做一个web在线转换系统。
佰阅部落 , 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权