应用指南

人工智能在历史照片和电影上色

AI 着色通过预测灰度图案的色调,为黑白照片和胶片添加合理、逼真的色彩。

阅读时间:2分钟最后更新

概述

It brings historical moments to life, making the past feel immediate and human.

深入探讨

黑白图像仅记录亮度,而不记录颜色,因此着色必须推断出丢失的色调可能是什么。深度学习模型通常基于卷积神经网络或现代扩散模型,在数百万张彩色照片上进行训练,研究人员将这些照片转换为灰度,然后要求网络重新着色。该模型学习关联:天空倾向于蓝色,草地倾向于绿色,肤色在一定范围内。 DeOldify 等工具和 MyHeritage 和 Palette.fm 等商业服务产生了惊人的自然结果。对于电影,系统对帧进行着色,同时保持时间一致性,因此颜色不会在帧之间闪烁。重要的是,输出结果是一个合理的猜测,而不是恢复真实的历史色彩,这引发了对档案工作准确性和真实性的担忧。

技术洞察

许多着色器将图像分为亮度通道(原始灰度细节)和预测颜色通道,通常使用 Lab 颜色空间,以便亮度保持不变。网络仅预测“a”和“b”颜色分量,并将其与原始亮度合并回去。 DeOldify 使用 GAN 风格的方法进行普及,其中生成器提出颜色,评论家判断真实性,从而将输出推向可信而不是过时的结果。

战略影响

构建选择

应用级设计决定了人工智能是否能改善实际结果。

团队与工作流程

良好的工作流程集成可以创造用户值得信赖的生产力收益。

风险与安全

范围明确的用例可以减少变更疲劳和实施风险。

人工智能在历史照片和电影着色方面的未来

未来的着色可能会结合历史研究和元数据,例如已知的统一颜色或记录的油漆方案,以提高事实的准确性而不仅仅是合理性。结合超分辨率和帧插值,人工智能可以在一个管道中将档案素材完全恢复并“重新制作”为高清、平滑的运动和色彩。预计档案馆会出台更严格的指导方针,将艺术色彩化与经过历史验证的修复区分开来,以保持对文献记录的信任。

现实世界的实施

像 MyHeritage 这样的家谱服务为后代家族的 1920 年代婚礼肖像增添色彩

纪录片制片人将二战档案镜头着色以吸引现代观众

博物馆使用着色和研究来重建历史场景的可能外观

一位爱好者对褪色的灰度街头照片运行 DeOldify,以在线分享生动的修复版本

风险与防护栏

将损坏的流程自动化可能会加剧现有问题。

团队可能会过度自动化并消除所需的人工判断。

如果不持续评估输出,质量可能会出现偏差。

实施路线图

1

绘制当前工作流程并确定摩擦最大的步骤。

2

在完全自动化之前定义人工检查点。

3

对用户进行提示、升级路径和质量标准方面的培训。

4

跟踪任务级结果以确认持续价值。

不断探索

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 AI in Colorizing Historical Photos and Film quiz

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

开始测验

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

下一个指南

电影和视觉效果中的人工智能

常见问题

What is AI in Colorizing Historical Photos and Film?

AI 着色通过预测灰度图案的色调,为黑白照片和胶片添加合理、逼真的色彩。它让历史时刻栩栩如生,让过去变得触手可及、人性化。

为什么着色人工智能必须“猜测”旧照片中的颜色?

灰度图像仅存储亮度,因此原始颜色根本不存在并且必须推断。

许多着色器使用什么色彩空间才能保持原始细节完整?

在 Lab 空间中,亮度 (L) 通道保留原始细节,模型仅预测“a”和“b”颜色分量。

通常如何训练着色模型?

研究人员从现有彩色照片中去除颜色,然后训练网络来预测可以与原始照片进行比较的颜色。

DeOldify 普及了什么技术来获得更可信的颜色?

DeOldify 使用了一种生成对抗性设置,批评者将生成器推向真实而不是沉闷的颜色。

与单张照片相比,彩色胶片增加了哪些额外的挑战?

每个框架的颜色必须与相邻框架的颜色一致,否则结果会令人分心地闪烁。