AI上色对比人工调色 :结果令人难以置信

2019 年 4 月 25 日 网易智能菌


来源 | Oh4K(公众号:oh4k-oh4k)

作者 | HOMEBOYColorTraining 1



还记得自己小时候拍的老照片吗


黑白的那种


有没有想过,把它变成彩色?


就像这样!


来自小编家的黑白照片


你绝对想不到


这是一个人工智能网站完成的结果


不得不说,这个由新加坡政府创科部门研发的Colourise.sg AI黑白上色系统真的很强大。


它可以把你上传的黑白照片,用经过百万次训练的AI GAN算法,在眨眼睛完成着色。



前两周,Colourise.sg正式发布后,彻底成为了Twitter上的“网红”


许多网友翻出埋在家里柜子几十年的老照片


通过Colourise.sg AI,重现生机!



这是我祖父母的结婚照!

真是太棒了。感谢老铁@musatariq分享!



这东西真特么有趣!

虽然不是百分之百完美,但效果已经很棒了,我只用了10秒搞定。


 

Colourise对于黑白航拍照片的着色效果也很棒。

用真实的航拍照片来训练AI,能够显著的提升它的能力。

这玩意儿很有潜力…


黑白上色,在彩照技术没有普及的年代,一直是照相馆的传统服务。


整个上色过程非常考验着色师傅的耐心和手艺。



首先,着色师不仅要对画面中物体的固有色(天空、肤色、绿植等)进行判断,还要对画面的历史、地理、文化等背景进行研究,保证还原的真实性


然后,一笔一画,直接在照片上着色。(当然后来技术发展了,就可以用ps一类的软件)


那AI是如何为黑白图片上色的呢?


Colourise运用一种称为生成对抗网络(GAN)的深度学习技术,将来自ImageNet的130万张图像进行训练 。


最终模拟出人类上色的这两个步骤。


首先,识别黑白照片中的物体,搜索该物体在过去的图片中的曾出现的颜色,并为现在的照片配置一个合理的颜色


然后,使用相应数码工具为黑白图像上色。


原图/AI上色/ 真实图片


也就是说,Colourise给出的上色方案,是基于对大量数据计算和学习得出的选择。


不过,AI计算出来的结果,也并非完美。


我们知道,在彩色图像里,每个像素包含三个值,即亮度、饱和度和色调。


而灰度图像,只有一个亮度值。所以,计算模型要用一组数据,生成另外两组数据。


问题在于,与一幅灰度图像对应的合理彩色图像,并不唯一。因此,Colourise不能保证还原出,完全真实的色彩。


相对人类来说,AI的优势主要在于高效的数据处理能力,人类几个小时才能完成的图片,Colourise上色只需要不到10秒。


说到这里,日常职业病的小编也突发奇想。


黑白上色,在我们的视频调色领域,也是一个很有意思的课题


和老照片力求还原真实色彩的目的不同,视频调色中的黑白上色,会融入更多调色师的主观意志和创意想法,除了保留真实感外,还要好看,具有观赏性,甚至为故事服务。


我们可以先来看看这个视频。


由HOMEBOY COLOR COLLAGE 老师制作的视频黑白上色教程。


我比较好奇,和人工上色比起来,AI有何不同?能否得到一个既真实,又漂亮的结果呢?


打开网站,上传... 



10秒计算完成


来看下结果对比


原图 


HOMEBOY人工老师傅


AI小老弟


这一次,相对于人工结果,AI小老弟完成的上色“真实感”更强,天空、绿草、浓雾都得到了很好的还原。整体色彩也比较和谐统一。


而人工完成的上色,无论是远处天空绚丽的高光,还是刻意制造的落日时分黄蓝影调,甚至对于前、中、后景空间层次的强化,整体都做的更加夸张,体现了调色师的个人喜好和倾向。


在观赏性这个层面来说,AI可能并没有特别出彩。但从侧面也说明了,未来只有具有创造性的工作,才是真正难以取代的。


当然,另一个角度看,也许你会说AI完成的结果,也别有一番风味。


这就是个人喜好了~


网址在这里,去玩吧。


https://colourise.sg/



往期推荐



社交网站上的照片,也许已经被用来训练人工智能

▲点击图片观看

剖析20世纪未来出行 这些畅想21世纪能成吗?


▲点击图片观看

是“洗稿”还是“创作”?AI画作所有权该归谁?

▲点击图片观看


- 加入社群吧 -

网易智能AI社群(AI芯片、医疗AI、金融AI、电商AI、自动驾驶、教育AI、AIoT、机器人等12个社群)火热招募中,对AI感兴趣的小伙伴,添加智能菌微信 kaiwu_club,说明身份即可加入。

登录查看更多
8

相关内容

人工智能杂志AI(Artificial Intelligence)是目前公认的发表该领域最新研究成果的主要国际论坛。该期刊欢迎有关AI广泛方面的论文,这些论文构成了整个领域的进步,也欢迎介绍人工智能应用的论文,但重点应该放在新的和新颖的人工智能方法如何提高应用领域的性能,而不是介绍传统人工智能方法的另一个应用。关于应用的论文应该描述一个原则性的解决方案,强调其新颖性,并对正在开发的人工智能技术进行深入的评估。 官网地址:http://dblp.uni-trier.de/db/journals/ai/
【天津大学】风格线条画生成技术综述
专知会员服务
31+阅读 · 2020年4月26日
【芝加哥大学】可变形的风格转移,Deformable Style Transfer
专知会员服务
30+阅读 · 2020年3月26日
【Google AI】开源NoisyStudent:自监督图像分类
专知会员服务
54+阅读 · 2020年2月18日
 图像内容自动描述技术综述
专知会员服务
84+阅读 · 2019年11月17日
Keras作者François Chollet推荐的开源图像搜索引擎项目Sis
专知会员服务
29+阅读 · 2019年10月17日
换脸算什么?现在AI都能一键“脱衣”了
腾讯科技
10+阅读 · 2019年6月30日
还在PS里手动描边?AI自动抠图只需5秒
机器之心
12+阅读 · 2018年12月19日
拆台BigGan:“失败”图像生成集锦
论智
5+阅读 · 2018年11月19日
人工智能背后的“人工”
i黑马
5+阅读 · 2018年10月14日
开眼|鉴黄人工智能取代人工鉴黄师?这些图居然能搞错
无需干净样本,英伟达AI去马赛克
AR酱
10+阅读 · 2018年7月13日
A survey on deep hashing for image retrieval
Arxiv
14+阅读 · 2020年6月10日
Foreground-aware Image Inpainting
Arxiv
4+阅读 · 2019年1月17日
Arxiv
5+阅读 · 2018年10月11日
Arxiv
7+阅读 · 2018年6月19日
Arxiv
5+阅读 · 2018年5月22日
Arxiv
15+阅读 · 2018年2月4日
VIP会员
相关资讯
Top
微信扫码咨询专知VIP会员