出門在外，是不是才覺得媽媽的嘮叨分外可愛又令人懷念。母親節(jié)到了，翻箱倒柜想找出一張媽媽的老照片，卻因為早已泛黃褪色而觸碰不到回憶的信號，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上的熱門項目“用機(jī)器學(xué)習(xí)給黑白照片上色”，我們似乎找到一個保存記憶的良方。

GitHub上給老照片上色的一個項目：DeOldify

歲月從墻上剝落，小時候牽著媽媽的手哭著鬧著要買的那根冰棍，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)的家庭生活的歡樂色彩，也找回曾經(jīng)的家庭時光的溫度。

感恩節(jié)的回憶（1911年）

Lemuel Smith夫婦和年幼的孩子們在農(nóng)場的家庭時光（1941年）

假如母愛有顏色，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)爬上家門口的梧桐，然后輕輕敲打我的窗臺。

給老電影《黑暗中的舞者》上色

《黑暗中的舞者》講述一個母親來到美國為了治愈失明的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，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，不會失明時，才讓她鎮(zhèn)定下來，驚恐無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兒子說的話：

“親愛的兒子俊，別害怕，我從不孤單，這不是最后一首歌，沒有小提琴，合唱團(tuán)那么安靜，沒人轉(zhuǎn)圈。這是倒數(shù)第二首歌，記得我說過的話，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

我的媽媽可能有點普通，有時候還有點市儈。我們說“為母則剛”，但她當(dāng)年也只是一個被捧在手心里的小公主。快拿媽媽年輕時候的照片也試一下，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，但視覺效果差。而你我當(dāng)年是做加法，可以自動補(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)建缺失部分的一個像素點（塊）保持和周圍像素點的一致性。但是當(dāng)缺失部分很大時，這些方法會失效，因此就需要運用機(jī)器學(xué)習(xí)。由一個高階模型提供補(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，每個圖像都有一個特定的標(biāo)簽，神經(jīng)網(wǎng)絡(luò)通過一連串的基本操作運算來學(xué)習(xí)圖像到標(biāo)簽之間的映射。通過輸入學(xué)習(xí)大量的數(shù)據(jù)集（數(shù)百萬張帶有成千個的標(biāo)簽的圖像），神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)準(zhǔn)確的分類，實施一個判別式預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)來指導(dǎo)圖像重建。

原理類似訓(xùn)練一個機(jī)器人，讓其對缺失信息很多的圖進(jìn)行“腦補(bǔ)”；同時找來一個“鑒定師”提出意見，讓機(jī)器不斷鉆研，雙方不斷提升。

AI上色師：老照片重見光彩

同樣地，訓(xùn)練有素的AI可以學(xué)會上色，生成對抗網(wǎng)絡(luò)的本質(zhì)還是學(xué)習(xí)損失函數(shù)。通過先對照片進(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，比如樹木、天空、人臉、服裝……在輸入大量包含常見場景和人物的圖片后，AI會自動學(xué)習(xí)和記憶這些關(guān)鍵信息的顏色，比如樹葉是綠色、人臉是膚色等。因此，它可以很快開始對黑白照片里的場景進(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)軍動態(tài)效果，近日，在Facebook的F8大會上，一個名為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：自注意生成對抗網(wǎng)絡(luò)（Self-Attention Generative Adversarial Network）、兩個時間尺度更新規(guī)則（Two Time-Scale Update Rule）以及最重要的——NoGAN——他開發(fā)的一種新型GAN訓(xùn)練模型，用來解決之前DeOldify模型中出現(xiàn)的一些關(guān)鍵問題。NoGAN訓(xùn)練結(jié)合了GAN訓(xùn)練的優(yōu)點（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

上色體驗地址：https://colorize.cc/

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