ДаліНаступний посібник
Синтез семантичного образу SPADE
Візуальний ШІ
Візуальний AI GUIDE
Розфарбовування зображення
Розфарбовування зображень використовує штучний інтелект, щоб додати правдоподібні, реалістичні кольори до чорно-білих фотографій і фільмів.
Послухайте цей посібникШІ-розказаний · ~2 min
На цій сторінці2 хвилини читання
Огляд
It matters because it brings historical archives to life and restores faded or grayscale imagery without manual painting.
Глибоке занурення
Забарвлення — це принципово неправильно поставлена проблема: один сірий піксель може мати багато кольорів, оскільки лише яскравість не кодує відтінок. Сучасні системи розглядають це як передбачення, навчаючись на мільйонах кольорових фотографій, які були штучно перетворені в градації сірого. Конволюційна або трансформаторна мережа бачить лише канал освітленості та передбачає відсутні канали кольорів, зазвичай у просторі кольорів CIE Lab, де L містить яскравість, а a/b — колір. Оскільки трава зазвичай зелена, а небо зазвичай синє, модель вивчає сильні статистичні попередні. Знакова робота Чжана та ін. (2016) сформулював це як класифікацію кольорових відер, щоб уникнути розмитих, ненасичених середніх значень. Новіші методи дифузії та зразків дозволяють користувачам керувати кольорами за допомогою підказок або еталонних зображень для кращого контролю.
Реалізація в реальному світі
Відновлення кольорових версій історичних фотографій часів світової війни та архівних фотографій 19 століття для музеїв і документальних фільмів
Перетворення класичних чорно-білих фільмів і телематеріалів у кольорові для оновлених перевипусків
Програми для сімейних фотографій (наприклад, MyHeritage і Google Photos), які автоматично фарбують знімки старих предків
Розфарбовування медичних або наукових сканів у градаціях сірого для виділення структур і покращення візуальної інтерпретації
Майбутнє розфарбування зображення
Розфарбовування рухається до інтерактивних, керованих інструментів, де користувач клацає колір підказки, і модель поширює його послідовно. Моделі дифузії та мовні підказки («зробіть сукню червоною») додають семантичний контроль, тоді як мережі з підтримкою часу розфарбовують цілі фільми без мерехтіння кадр за кадром. Очікуйте тіснішої інтеграції з конвеєрами відновлення, які одночасно знімають шум, покращують масштаб і розфарбовують, а також сильніші гарантії, які позначають, що кольори є припущеннями ШІ, а не історичними фактами.
Застосування на практиці
Чому це важливо
- Швидкість і масштаб. Візуальний штучний інтелект може автоматизувати масштабні завдання перевірки, виявлення та позначення тегами.
- Створіть вибір. Творчі групи можуть створювати прототипи концепцій швидше з меншою кількістю переглядів вручну.
- Команда та робочий процес. Операції можуть використовувати зображення та відеосигнали, які раніше було важко обробити.
Зверніть увагу на
- Права на зображення та згода можуть стати юридичними ризиками, якщо походження невідоме.
- Продуктивність моделі може відрізнятися залежно від освітлення, демографічних показників і середовища.
- Помилкові спрацьовування можуть залишитися непоміченими, якщо не відстежувати пороги довіри.
Наступні кроки
- Визначте критерії прийнятності для точності, відкликання та вартості помилок.
- Тестуйте з даними, які відповідають реальним умовам виробництва.
- Додайте перевірку людиною для прогнозів із низьким рівнем достовірності або високого впливу.
- Відстежуйте дрейф моделі та повторно перевіряйте після зміни камери або набору даних.
Продовжуйте досліджувати
Безплатний розсилок
Отримуйте щоденне зведення новин про ШІ
Три перевірені історії про ШІ щоробочого ранку, написані простою мовою. Безплатно назавжди, без реклами.
Один лист щотижня з понеділка по п'ятницю. Відписатися в один клік. Ми ніколи не продаємо та не передаємо вашу адресу.
Перевір себе
Take the Image Colorization quiz
Миттєва зворотна связь на кожну відповідь та сертифікат із перевіреним ідентифікатором, яким можна поділитися, після проходження курсу.
Підтримайте безплатну освіту у сфері ШІ. AI Understanding — це некомерційна організація 501(c)(3) — без реклами, без платних стін, назавжди. Зробіть пожертву
Часті запитання
What is Image Colorization?
Розфарбовування зображень використовує штучний інтелект, щоб додати правдоподібні, реалістичні кольори до чорно-білих фотографій і фільмів. Це важливо, тому що він оживляє історичні архіви та відновлює вицвілі або сірі зображення без малювання вручну.
Чому розфарбовування зображення вважається «неправильною» проблемою?
Яскравість сама по собі не визначає відтінок, тому один сірий піксель імовірно може бути червоним, синім або зеленим, що робить відповідь неоднозначною.
У популярному підході колірного простору Lab, що мережа отримує як вхідні дані?
Зображення у відтінках сірого є L-каналом; модель передбачає відсутні кольорові канали a і b і рекомбінує їх з L.
Чому Zhang et al. передбачення кольору кадру як класифікація над кольоровими «бінами», а не пряма регресія?
Регресія одного значення має тенденцію до усереднення кількох правдоподібних кольорів у каламутний коричнево-сірий; класифікація в контейнери зберігає яскравість кольорів.
Як моделі дізнаються, яких кольорів мають бути об’єкти, не кажучи їм?
Навчання на величезних наборах даних вчить модель, що трава зазвичай зелена, небо зазвичай блакитне, а відтінки шкіри знаходяться в певних межах.
Що є ключовим завданням під час розфарбовування відео, а не окремих фотографій?
Якщо кожен кадр розфарбовано незалежно, той самий об’єкт може змінювати відтінок між кадрами, викликаючи відволікаюче мерехтіння; часові моделі вирішують це.
Продовжуйте вчитися
Пов'язані посібники
Інші посібники, вибрані для цієї теми