現在，來自華盛頓大學、UC伯克利、谷歌的最新論文Time-Travel Rephotography，將這些照片裡的歷史人物真實地展現在屏幕上。
比如，居裡夫人、愛迪生、林徽因……
放大瑕疵的老照片如何恢復
從黑白照片乃至畫像恢復人臉並不是什麼新鮮事，比如最近恢復兵馬俑、古代帝王的視頻在社交網絡大熱。
但是從古老照片恢復人臉要復雜得多。
我們先看一張著名作傢卡夫卡的還原照。Zhang等人恢復的照片粗看起來皮膚上有很多瑕疵，而“穿越相機”恢復的照片似乎自帶“磨皮”。
那麼是前一張恢復照片更加真實嗎？
事實並非如此，卡夫卡臉上的瑕疵是當年底片技術導致的。如果隻是簡單給黑白照片填色，那麼就不能充分表征舊膠片的特性和老化過程。
最早誕生玻璃感光底片隻對藍光紫外光敏感，1873年推出的新感光乳膠也隻對綠光和藍光敏感。
由於他們都缺乏對紅光的敏感性，造成瞭人物臉上的雀斑和皺紋被放大，嘴唇變黑。
所以我們今天來看林肯的原始照片，會發現林肯臉上呈現出很多誇張的皺紋：
1907年，對紅藍綠都敏感的全色底片誕生。所以1913年采用新技術拍攝的潘克斯特（時年55歲），臉部皮膚要幹凈和平整得多：
因此，恢復這些歷史照片不僅要考慮照片的模糊、褪色、噪點、低分辨率等問題，還要考慮不同老照片對顏色的感光差異。
而這款“穿越相機”相比之前的方法，在人物的還原上避免瞭當時技術造成的失真。
從StyleGAN2出發
對於1873年之前的照片，作者使用瞭藍光敏感模型，對於1873年至1907年的照片，手動在藍光敏感和正色底片之間選擇，然後在1907年以後拍攝的照片，則在所有模型中手動選擇。
作者利用StyleGAN2框架將舊照片映射到現代高分辨率照片的空間中，從而在統一的框架中實現所有這些效果。
作者使用其他彩色樣本圖像作為參考，它們與黑白圖像具有相似的面部特征，但包含高頻細節以及自然色和照明。為瞭進一步減小輸入圖像和現代人像之間的感知身份差距，他們還設計瞭特別適合於老照片的重建損失。
模型的結構如下：
1、同級編碼器
以低分辨率灰度參考圖像I作為輸入，生成具有真實顏色和相似面部特征的同級圖像Is。
2、同級顏色和細節轉換
為瞭進一步限制顏色和皮膚細節，使其與同級圖像匹配，模型引入瞭顏色轉換損失Lcolor強制StyleGAN2的ToRGB層輸出與同級圖像的相似性。
3、老照片的重建損失
為瞭進一步減小輸入圖像和現代人像之間的感知身份差距，作者特別設計瞭適合於老照片的重建損失Lrecon，它對老照片的缺陷具有魯棒性。
4、潛在編碼優化
將之前的所有損失函數疊加起來，以此進行優化，生成最終圖像?。
據作者介紹，生成這樣一張1024 x 1024的照片，需要在英偉達Titan X上運行10分鐘。
與其他幾種恢復老照片的方法相比，“穿越相機”的效果顯然有著更真實的觀感。
不過，“穿越相機”現在還存在著一些缺點。
首先是對在恢復人物發行與配飾方面存在著錯誤，或者會丟失細節。
另外，生成照片也非常依賴於統計圖像的選擇，如果選擇瞭和原照片不一樣的種族或性別，會造成黑人變白人、女人變男人。
留言列表
