คู่มือ AI แบบเห็นภาพ

การปรับสีของภาพ

การปรับสีของภาพใช้ AI เพื่อเพิ่มสีที่สมจริงและเป็นไปได้ให้กับภาพถ่ายและฟิล์มขาวดำ

อ่าน 2 นาทีอัปเดตล่าสุด

ภาพรวม

It matters because it brings historical archives to life and restores faded or grayscale imagery without manual painting.

เจาะลึก

โดยพื้นฐานแล้วการปรับสีเป็นปัญหาที่ไม่ดี กล่าวคือ พิกเซลสีเทาหนึ่งพิกเซลอาจมีหลายสีได้ เนื่องจากความสว่างเพียงอย่างเดียวไม่ได้เข้ารหัสเฉดสี ระบบสมัยใหม่ถือเป็นการคาดเดา โดยเรียนรู้จากภาพถ่ายสีนับล้านที่ถูกแปลงเป็นระดับสีเทาโดยไม่ตั้งใจ เครือข่ายแบบหมุนวนหรือแบบหม้อแปลงจะเห็นเฉพาะช่องความสว่างและคาดการณ์ช่องสีที่หายไป โดยทั่วไปจะอยู่ในปริภูมิสี CIE Lab โดยที่ L เก็บความสว่างและสีคง a/b เนื่องจากหญ้ามักเป็นสีเขียวและท้องฟ้ามักเป็นสีฟ้า แบบจำลองจึงเรียนรู้ข้อมูลเชิงสถิติที่แข็งแกร่ง งานสำคัญโดย Zhang และคณะ (2016) กำหนดกรอบดังกล่าวเป็นการจำแนกกลุ่มสีเพื่อหลีกเลี่ยงการซีดจางและค่าเฉลี่ยที่ไม่อิ่มตัว วิธีการแพร่และตัวอย่างที่ใหม่กว่าช่วยให้ผู้ใช้แนะนำสีด้วยคำแนะนำหรือรูปภาพอ้างอิงเพื่อการควบคุมที่ดียิ่งขึ้น

ข้อมูลเชิงลึกทางเทคนิค

ระบบส่วนใหญ่ทำงานในพื้นที่แล็บ: เครือข่ายรับเฉพาะช่องสัญญาณ L (ความสว่าง) และส่งออกช่องสัญญาณโครมิแนนซ์ a และ b ซึ่งรวมเข้ากับ L ดั้งเดิมใหม่ การทำนายสีเป็นการจำแนกประเภทเหนือช่องสัญญาณแบบควอนตัม แทนที่จะถดถอยค่าที่แน่นอน จะป้องกันไม่ให้โมเดลหาค่าเฉลี่ยของสีที่ถูกต้องหลายสีให้เป็นสีน้ำตาลเทาหม่น ซึ่งให้ผลลัพธ์ที่สดใสและมั่นใจยิ่งขึ้น

ผลกระทบเชิงกลยุทธ์

ความเร็วและขนาด

Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ

สร้างทางเลือก

ทีมสร้างสรรค์สามารถสร้างต้นแบบแนวคิดได้รวดเร็วขึ้นโดยต้องมีการแก้ไขด้วยตนเองน้อยลง

ทีมงานและขั้นตอนการทำงาน

การดำเนินการสามารถใช้สัญญาณภาพและวิดีโอที่ก่อนหน้านี้ประมวลผลได้ยาก

อนาคตของการปรับสีภาพ

การปรับสีกำลังเคลื่อนไปสู่เครื่องมือแบบโต้ตอบและควบคุมได้ โดยผู้ใช้คลิกสีคำใบ้และโมเดลจะเผยแพร่สีดังกล่าวอย่างสม่ำเสมอ โมเดลการแพร่กระจายและภาษาแจ้ง ("ทำให้ชุดสีแดง") เพิ่มการควบคุมความหมาย ในขณะที่เครือข่ายที่รับรู้ชั่วคราวจะสร้างสีสันให้กับภาพยนตร์ทั้งเรื่องโดยไม่กะพริบแบบเฟรมต่อเฟรม คาดหวังการผสานรวมที่เข้มงวดยิ่งขึ้นกับไปป์ไลน์การฟื้นฟูที่ลดขนาด เพิ่มขนาด และเพิ่มสีไปพร้อมๆ กัน พร้อมการป้องกันที่แข็งแกร่งยิ่งขึ้นในการระบุว่าสีเป็นการเดาโดยอนุมานโดย AI แทนที่จะเป็นข้อเท็จจริงทางประวัติศาสตร์

การใช้งานจริงในโลกแห่งความเป็นจริง

การฟื้นฟูภาพถ่ายเอกสารสำคัญสมัยสงครามโลกครั้งที่ 19 และศตวรรษที่ 19 ในรูปแบบสีสันสำหรับพิพิธภัณฑ์และสารคดี

นำภาพยนตร์ขาวดำคลาสสิกและวิดีโอฟุตเทจทางทีวีมาระบายสีเพื่อการรีมาสเตอร์ใหม่

แอพภาพถ่ายครอบครัว (เช่น MyHeritage และ Google Photos) ที่จะระบายสีภาพถ่ายบรรพบุรุษเก่าๆ โดยอัตโนมัติ

การปรับสีการสแกนทางการแพทย์หรือวิทยาศาสตร์ในระดับสีเทาเพื่อเน้นโครงสร้างและปรับปรุงการตีความด้วยภาพ

ความเสี่ยงและรั้ว

สิทธิ์และความยินยอมในรูปภาพอาจกลายเป็นความเสี่ยงทางกฎหมายได้หากแหล่งที่มาไม่ชัดเจน

ประสิทธิภาพของโมเดลอาจแตกต่างกันไปตามสภาพแสง ข้อมูลประชากร และสภาพแวดล้อม

ผลบวกลวงอาจไม่สังเกตเห็นเว้นแต่จะมีการตรวจสอบเกณฑ์ความเชื่อมั่น

แผนงานการดำเนินงาน

1

กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด

2

ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง

3

เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง

4

ติดตามการเคลื่อนตัวของโมเดลและตรวจสอบความถูกต้องอีกครั้งหลังจากการเปลี่ยนแปลงกล้องหรือชุดข้อมูล

สำรวจต่อไป

Free newsletter

Get the daily AI briefing

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the Image Colorization quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

เริ่มแบบทดสอบ

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

คำแนะนำต่อไป

SPADE การสังเคราะห์ภาพความหมาย

คำถามที่พบบ่อย

What is Image Colorization?

การปรับสีของภาพใช้ AI เพื่อเพิ่มสีที่สมจริงและเป็นไปได้ให้กับภาพถ่ายและฟิล์มขาวดำ สิ่งสำคัญคือเพราะมันทำให้เอกสารสำคัญทางประวัติศาสตร์กลับมามีชีวิตอีกครั้ง และฟื้นฟูภาพที่ซีดจางหรือระดับสีเทาโดยไม่ต้องลงสีด้วยมือ

เหตุใดการปรับสีของภาพจึงถือเป็นปัญหา 'ไม่ดี'

ความสว่างเพียงอย่างเดียวไม่ได้กำหนดเฉดสี ดังนั้นพิกเซลสีเทาหนึ่งพิกเซลอาจเป็นสีแดง น้ำเงิน หรือเขียว ซึ่งทำให้คำตอบไม่ชัดเจน

ในแนวทางปริภูมิสี Lab ยอดนิยม เครือข่ายรับอะไรเป็นอินพุต

ภาพระดับสีเทาคือช่อง L; แบบจำลองคาดการณ์ช่องสี a และ b ที่หายไป และรวมใหม่ด้วย L

ทำไมจางและคณะ การทำนายสีของเฟรมเป็นการจำแนกประเภทเหนือ 'ถังขยะ' สีมากกว่าการถดถอยโดยตรง

การถดถอยค่าเดียวมีแนวโน้มที่จะเฉลี่ยหลายสีที่เป็นไปได้ให้เป็นสีน้ำตาลเทาที่เป็นโคลน การแบ่งประเภทเป็นถังขยะทำให้สีสดใส

โมเดลจะเรียนรู้ได้อย่างไรว่าวัตถุสีใดควรเป็นสีใดโดยไม่ได้รับการบอกกล่าว

การฝึกอบรมชุดข้อมูลขนาดใหญ่จะสอนแบบจำลองว่าหญ้ามักเป็นสีเขียว ท้องฟ้ามักเป็นสีฟ้า และสีผิวจะตกอยู่ในช่วงที่กำหนด

อะไรคือความท้าทายหลักในการปรับสีวิดีโอแทนที่จะเป็นภาพถ่ายเดี่ยวๆ

หากแต่ละเฟรมมีการกำหนดสีแยกกัน วัตถุเดียวกันสามารถเปลี่ยนเฉดสีระหว่างเฟรมได้ ทำให้เกิดการกะพริบที่รบกวนสมาธิ โมเดลชั่วคราวกล่าวถึงเรื่องนี้