全文共2163字，預計學習時長4分鐘
利用卷積神經網絡和最先進的圖像識別技術，經典老電影將有可能重現光彩。神經網絡可以優化圖像質量，減少電影噪聲，併為老化圖像上色。
全文共2163字，預計學習時長4分鐘
利用卷積神經網絡和最先進的圖像識別技術，經典老電影將有可能重現光彩。神經網絡可以優化圖像質量，減少電影噪聲，併為老化圖像上色。
《亂世佳人》劇照 來源：谷歌
歷史上第一部電影誕生於19世紀晚期，在電影攝影機上使用賽璐珞膠片拍攝而成。
時間來到2018年，全球電影市場產值已高達417億美元。電影具有娛樂性、文化性和社會性，是一項至關重要的文化遺產，值得人類保護。但保護過程並沒有那麼簡單。這主要是因為當代電影都是通過數碼技術製作和放映，膠片技術早已過時。
電影保護面臨的挑戰
包括歐洲委員會在內的許多組織都曾強調保護老電影文化遺產所面臨的挑戰以及保護的重要性。歐洲委員會指出，如果沒有合適的播放設備，人們可能無法觀看老電影。
修復膠片的第一個挑戰是消除失真。經典電影通常以低分辨率拍攝，由於原始膠帶顯著老化，裡面充滿了噪聲和裂紋。此外，將膠片轉化為數字格式的過程通常會損壞膠片並導致畫質受損。
深感（deepsense）人工智能團隊通過採用人工智能驅動的解決方案，尤其是監督學習法，成功將數字化版本電影中的裂縫和黑點移除。他們製作的模型使用深度神經網絡，為訓練該模型，他們手動在膠片上添加裂紋和瑕疵。在掌握了一些原始的、有殘缺的膠片之後，該模型學會了如何消除瑕疵。關於電影噪聲，經典波蘭電影《巡航》（Rejs）是一個例子。
瞭解神經網絡對噪聲發揮的作用：https://www.facebook.com/watch/?v=355199718485959
這個例子清楚表明，即使是徹底損壞的原始膠片，神經網絡也可以處理和修復，使其再現光彩。當電影圖像太暗、太模糊，人眼幾乎認不出其中人物時，神經網絡就會生成低質量預測。
如何將特別久遠的電影轉換成高清
全文共2163字，預計學習時長4分鐘
利用卷積神經網絡和最先進的圖像識別技術，經典老電影將有可能重現光彩。神經網絡可以優化圖像質量，減少電影噪聲，併為老化圖像上色。
《亂世佳人》劇照 來源：谷歌
歷史上第一部電影誕生於19世紀晚期，在電影攝影機上使用賽璐珞膠片拍攝而成。
時間來到2018年，全球電影市場產值已高達417億美元。電影具有娛樂性、文化性和社會性，是一項至關重要的文化遺產，值得人類保護。但保護過程並沒有那麼簡單。這主要是因為當代電影都是通過數碼技術製作和放映，膠片技術早已過時。
電影保護面臨的挑戰
包括歐洲委員會在內的許多組織都曾強調保護老電影文化遺產所面臨的挑戰以及保護的重要性。歐洲委員會指出，如果沒有合適的播放設備，人們可能無法觀看老電影。
修復膠片的第一個挑戰是消除失真。經典電影通常以低分辨率拍攝，由於原始膠帶顯著老化，裡面充滿了噪聲和裂紋。此外，將膠片轉化為數字格式的過程通常會損壞膠片並導致畫質受損。
深感（deepsense）人工智能團隊通過採用人工智能驅動的解決方案，尤其是監督學習法，成功將數字化版本電影中的裂縫和黑點移除。他們製作的模型使用深度神經網絡，為訓練該模型，他們手動在膠片上添加裂紋和瑕疵。在掌握了一些原始的、有殘缺的膠片之後，該模型學會了如何消除瑕疵。關於電影噪聲，經典波蘭電影《巡航》（Rejs）是一個例子。
瞭解神經網絡對噪聲發揮的作用：https://www.facebook.com/watch/?v=355199718485959
這個例子清楚表明，即使是徹底損壞的原始膠片，神經網絡也可以處理和修復，使其再現光彩。當電影圖像太暗、太模糊，人眼幾乎認不出其中人物時，神經網絡就會生成低質量預測。
如何將特別久遠的電影轉換成高清
類似的訓練技術也被應用於可以提高老電影畫質的神經網絡。訓練目標是呈現老電影遺失的細節，將老電影的分辨率提升到高清級別。
這個過程最大的挑戰在於重現細節，在過去，這幾乎不可能實現。由於技術發展，人們已經習慣於看高畫質視頻，讓他們再去看低畫質視頻非常困難。
該模型訓練方式是通過降低高清電影的分辨率，然後進行監督訓練，從而呈現遺失的細節。
由於訓練數據適用性廣泛，該模型運行良好。該人工智能團隊可以降低任何電影的分辨率，為模型提供原始膠片，使神經網絡學會如何偽造遺失細節並將其添加到電影之中。
人們對呈現老電影的高清版本有一個很大的誤解，即認為神經網絡可以發現原始版本中遺失的細節。事實上，這根本無法找回，因為原始膠片上沒有任何細節。神經網絡生成細節用的技術是Thispersondoesnotexist（人像生成網站）和類似生成對抗網絡所使用的技術。
正因如此，原始膠片中充滿了栩栩如生的細節，可實際上它們都是虛構的。如果膠片要用於法醫鑑定或詳細研究，這可能會是一個挑戰(或問題)。但如果只是為娛樂或文化目的呈現電影，這種技術綽綽有餘。
為老電影上色
另一個挑戰來自制作經典電影的彩色版本，通過技術賦予老電影新生，讓新觀眾看到它們。這一過程長期以來都是由藝術家們負責，他們需要為每一幀上色。第一部以此方式著色的電影是英國默片《奇蹟》（"The Miracle"） (1912)。
因為有無數的彩色電影資源可以借鑑，所以只要訓練集內容豐富，深層神經網絡就可以大大減少為經典黑白電影上色的時間。然而，上色過程並非完全自動化。事實上，為黑白電影上色是一項艱鉅的任務。以迪士尼發行的《電子世界爭霸戰》（"Tron"）為例，該片用黑白膠片拍攝，然後由臺灣Cuckoo’s Nest工作室的200名著色工和畫家上色完成。
在選擇顏色時，神經網絡傾向於保守。但這樣也可能導致問題，比如神經網絡有時會將水誤認為一片草地。它之所以這麼做，是因為在電影中，以田野為背景可能比以湖泊為背景更為常見。
通過手動將彩色像素應用於單個幀，藝術家可以建議AI模型應該選擇什麼顏色。
全文共2163字，預計學習時長4分鐘
利用卷積神經網絡和最先進的圖像識別技術，經典老電影將有可能重現光彩。神經網絡可以優化圖像質量，減少電影噪聲，併為老化圖像上色。
《亂世佳人》劇照 來源：谷歌
歷史上第一部電影誕生於19世紀晚期，在電影攝影機上使用賽璐珞膠片拍攝而成。
時間來到2018年，全球電影市場產值已高達417億美元。電影具有娛樂性、文化性和社會性，是一項至關重要的文化遺產，值得人類保護。但保護過程並沒有那麼簡單。這主要是因為當代電影都是通過數碼技術製作和放映，膠片技術早已過時。
電影保護面臨的挑戰
包括歐洲委員會在內的許多組織都曾強調保護老電影文化遺產所面臨的挑戰以及保護的重要性。歐洲委員會指出，如果沒有合適的播放設備，人們可能無法觀看老電影。
修復膠片的第一個挑戰是消除失真。經典電影通常以低分辨率拍攝，由於原始膠帶顯著老化，裡面充滿了噪聲和裂紋。此外，將膠片轉化為數字格式的過程通常會損壞膠片並導致畫質受損。
深感（deepsense）人工智能團隊通過採用人工智能驅動的解決方案，尤其是監督學習法，成功將數字化版本電影中的裂縫和黑點移除。他們製作的模型使用深度神經網絡，為訓練該模型，他們手動在膠片上添加裂紋和瑕疵。在掌握了一些原始的、有殘缺的膠片之後，該模型學會了如何消除瑕疵。關於電影噪聲，經典波蘭電影《巡航》（Rejs）是一個例子。
瞭解神經網絡對噪聲發揮的作用：https://www.facebook.com/watch/?v=355199718485959
這個例子清楚表明，即使是徹底損壞的原始膠片，神經網絡也可以處理和修復，使其再現光彩。當電影圖像太暗、太模糊，人眼幾乎認不出其中人物時，神經網絡就會生成低質量預測。
如何將特別久遠的電影轉換成高清
類似的訓練技術也被應用於可以提高老電影畫質的神經網絡。訓練目標是呈現老電影遺失的細節，將老電影的分辨率提升到高清級別。
這個過程最大的挑戰在於重現細節，在過去，這幾乎不可能實現。由於技術發展，人們已經習慣於看高畫質視頻，讓他們再去看低畫質視頻非常困難。
該模型訓練方式是通過降低高清電影的分辨率，然後進行監督訓練，從而呈現遺失的細節。
由於訓練數據適用性廣泛，該模型運行良好。該人工智能團隊可以降低任何電影的分辨率，為模型提供原始膠片，使神經網絡學會如何偽造遺失細節並將其添加到電影之中。
人們對呈現老電影的高清版本有一個很大的誤解，即認為神經網絡可以發現原始版本中遺失的細節。事實上，這根本無法找回，因為原始膠片上沒有任何細節。神經網絡生成細節用的技術是Thispersondoesnotexist（人像生成網站）和類似生成對抗網絡所使用的技術。
正因如此，原始膠片中充滿了栩栩如生的細節，可實際上它們都是虛構的。如果膠片要用於法醫鑑定或詳細研究，這可能會是一個挑戰(或問題)。但如果只是為娛樂或文化目的呈現電影，這種技術綽綽有餘。
為老電影上色
另一個挑戰來自制作經典電影的彩色版本，通過技術賦予老電影新生，讓新觀眾看到它們。這一過程長期以來都是由藝術家們負責，他們需要為每一幀上色。第一部以此方式著色的電影是英國默片《奇蹟》（"The Miracle"） (1912)。
因為有無數的彩色電影資源可以借鑑，所以只要訓練集內容豐富，深層神經網絡就可以大大減少為經典黑白電影上色的時間。然而，上色過程並非完全自動化。事實上，為黑白電影上色是一項艱鉅的任務。以迪士尼發行的《電子世界爭霸戰》（"Tron"）為例，該片用黑白膠片拍攝，然後由臺灣Cuckoo’s Nest工作室的200名著色工和畫家上色完成。
在選擇顏色時，神經網絡傾向於保守。但這樣也可能導致問題，比如神經網絡有時會將水誤認為一片草地。它之所以這麼做，是因為在電影中，以田野為背景可能比以湖泊為背景更為常見。
通過手動將彩色像素應用於單個幀，藝術家可以建議AI模型應該選擇什麼顏色。
在黑白電影中，人們無法確認演員所穿圍巾或襯衫的真實顏色。不過這麼多年過去了，穿著顏色還重要嗎? 儘管如此，神經網絡還是採用了LAB色彩標準，利用亮度(L)來推測其他兩個通道(A和B)。
轉錄和人臉識別
最後一個要點，轉錄對話可以使分析研究更為簡單，對於語言學研究還是文化研究都是如此。在人臉識別軟件的幫助下，該解決方案可以將所有臺詞賦予給相應角色。
語音-文本轉換功能可以處理聲音並轉錄對話，而另一個神經網絡則檢查視頻中的哪些人嘴脣在動。在結合圖像識別功能後，該模型既可以同步聲音與字幕，又可以提供說話角色或演員的名字。
雖然生成的內容要受監督，但該模型仍大大減少了轉錄所需時間。在傳統方法中，轉錄至少需要錄音以及之後驗證的時間。而機器能在幾秒鐘內轉錄一小時的電影。
總結
與其他方法相比，通過基於機器學習的技術來修復電影可以節省時間和精力。其同時也在努力提高文化遺產保護的成功率，使老電影更具有現實意義。在商業領域，機器學習已得到廣泛認可，但對於滿足文化和藝術的需求而言，機器學習技術還是十分新穎。
經典電影的修復和數字化使人們能夠更方便地獲得更多文化產品，並確保無論多久人們都可以欣賞到這些作品。因此，多虧人工智能，未來幾代人可以欣賞到更多過去的奧斯卡獲獎電影。
全文共2163字，預計學習時長4分鐘
利用卷積神經網絡和最先進的圖像識別技術，經典老電影將有可能重現光彩。神經網絡可以優化圖像質量，減少電影噪聲，併為老化圖像上色。
《亂世佳人》劇照 來源：谷歌
歷史上第一部電影誕生於19世紀晚期，在電影攝影機上使用賽璐珞膠片拍攝而成。
時間來到2018年，全球電影市場產值已高達417億美元。電影具有娛樂性、文化性和社會性，是一項至關重要的文化遺產，值得人類保護。但保護過程並沒有那麼簡單。這主要是因為當代電影都是通過數碼技術製作和放映，膠片技術早已過時。
電影保護面臨的挑戰
包括歐洲委員會在內的許多組織都曾強調保護老電影文化遺產所面臨的挑戰以及保護的重要性。歐洲委員會指出，如果沒有合適的播放設備，人們可能無法觀看老電影。
修復膠片的第一個挑戰是消除失真。經典電影通常以低分辨率拍攝，由於原始膠帶顯著老化，裡面充滿了噪聲和裂紋。此外，將膠片轉化為數字格式的過程通常會損壞膠片並導致畫質受損。
深感（deepsense）人工智能團隊通過採用人工智能驅動的解決方案，尤其是監督學習法，成功將數字化版本電影中的裂縫和黑點移除。他們製作的模型使用深度神經網絡，為訓練該模型，他們手動在膠片上添加裂紋和瑕疵。在掌握了一些原始的、有殘缺的膠片之後，該模型學會了如何消除瑕疵。關於電影噪聲，經典波蘭電影《巡航》（Rejs）是一個例子。
瞭解神經網絡對噪聲發揮的作用：https://www.facebook.com/watch/?v=355199718485959
這個例子清楚表明，即使是徹底損壞的原始膠片，神經網絡也可以處理和修復，使其再現光彩。當電影圖像太暗、太模糊，人眼幾乎認不出其中人物時，神經網絡就會生成低質量預測。
如何將特別久遠的電影轉換成高清
類似的訓練技術也被應用於可以提高老電影畫質的神經網絡。訓練目標是呈現老電影遺失的細節，將老電影的分辨率提升到高清級別。
這個過程最大的挑戰在於重現細節，在過去，這幾乎不可能實現。由於技術發展，人們已經習慣於看高畫質視頻，讓他們再去看低畫質視頻非常困難。
該模型訓練方式是通過降低高清電影的分辨率，然後進行監督訓練，從而呈現遺失的細節。
由於訓練數據適用性廣泛，該模型運行良好。該人工智能團隊可以降低任何電影的分辨率，為模型提供原始膠片，使神經網絡學會如何偽造遺失細節並將其添加到電影之中。
人們對呈現老電影的高清版本有一個很大的誤解，即認為神經網絡可以發現原始版本中遺失的細節。事實上，這根本無法找回，因為原始膠片上沒有任何細節。神經網絡生成細節用的技術是Thispersondoesnotexist（人像生成網站）和類似生成對抗網絡所使用的技術。
正因如此，原始膠片中充滿了栩栩如生的細節，可實際上它們都是虛構的。如果膠片要用於法醫鑑定或詳細研究，這可能會是一個挑戰(或問題)。但如果只是為娛樂或文化目的呈現電影，這種技術綽綽有餘。
為老電影上色
另一個挑戰來自制作經典電影的彩色版本，通過技術賦予老電影新生，讓新觀眾看到它們。這一過程長期以來都是由藝術家們負責，他們需要為每一幀上色。第一部以此方式著色的電影是英國默片《奇蹟》（"The Miracle"） (1912)。
因為有無數的彩色電影資源可以借鑑，所以只要訓練集內容豐富，深層神經網絡就可以大大減少為經典黑白電影上色的時間。然而，上色過程並非完全自動化。事實上，為黑白電影上色是一項艱鉅的任務。以迪士尼發行的《電子世界爭霸戰》（"Tron"）為例，該片用黑白膠片拍攝，然後由臺灣Cuckoo’s Nest工作室的200名著色工和畫家上色完成。
在選擇顏色時，神經網絡傾向於保守。但這樣也可能導致問題，比如神經網絡有時會將水誤認為一片草地。它之所以這麼做，是因為在電影中，以田野為背景可能比以湖泊為背景更為常見。
通過手動將彩色像素應用於單個幀，藝術家可以建議AI模型應該選擇什麼顏色。
在黑白電影中，人們無法確認演員所穿圍巾或襯衫的真實顏色。不過這麼多年過去了，穿著顏色還重要嗎? 儘管如此，神經網絡還是採用了LAB色彩標準，利用亮度(L)來推測其他兩個通道(A和B)。
轉錄和人臉識別
最後一個要點，轉錄對話可以使分析研究更為簡單，對於語言學研究還是文化研究都是如此。在人臉識別軟件的幫助下，該解決方案可以將所有臺詞賦予給相應角色。
語音-文本轉換功能可以處理聲音並轉錄對話，而另一個神經網絡則檢查視頻中的哪些人嘴脣在動。在結合圖像識別功能後，該模型既可以同步聲音與字幕，又可以提供說話角色或演員的名字。
雖然生成的內容要受監督，但該模型仍大大減少了轉錄所需時間。在傳統方法中，轉錄至少需要錄音以及之後驗證的時間。而機器能在幾秒鐘內轉錄一小時的電影。
總結
與其他方法相比，通過基於機器學習的技術來修復電影可以節省時間和精力。其同時也在努力提高文化遺產保護的成功率，使老電影更具有現實意義。在商業領域，機器學習已得到廣泛認可，但對於滿足文化和藝術的需求而言，機器學習技術還是十分新穎。
經典電影的修復和數字化使人們能夠更方便地獲得更多文化產品，並確保無論多久人們都可以欣賞到這些作品。因此，多虧人工智能，未來幾代人可以欣賞到更多過去的奧斯卡獲獎電影。
留言 點贊 關注
我們一起分享AI學習與發展的乾貨
編譯組：陳亮、陳曼芳
相關鏈接：
https://dzone.com/articles/ai-movie-restoration-scarlett-ohara-hd
如需轉載，請後臺留言，遵守轉載規範
相關推薦
