这种AI模型可以改善旧视频的颜色并使其着色

上周，我的同事Tristan写了一篇关于AI开发人员的文章，他使用机器学习以每秒60帧的速度将著名的1895年火车场景提升到4K。尽管这是一款很棒的短手表，但它使我不知道要使用AI来还原和增强旧视频。

值得庆幸的是，我偶然发现了周末两分钟论文YouTube频道的一篇论文，该论文旨在改善这些视频并为其着色。该模型使用时间神经网络来识别和纠正缺陷，例如老式视频中的闪烁。

[阅读：观看：AI开发人员将著名的1895年火车场景以60 FPS的速度提升到4K]

该论文的合著者Satoshi Iizuka和Edgar Simo-Serra解释说，该模型的目的是执行多项任务，例如去噪和着色，以提高这些视频的质量：

老式胶片的重新制作包括多种子任务，包括超分辨率，噪声消除和对比度增强，共同旨在将退化的胶片介质恢复到原始状态。另外，由于时间的技术限制，大多数老式胶片要么以黑白记录，要么具有低质量的颜色，因此必须进行着色。

为了测试他们的神经网络的勇气，研究人员还比较了该模型与旨在着色和还原老式视频的旧模型的性能。观看下面的视频以了解实际效果;使用这个新的神经网络，左上角的视频是输入，右下角的视频是输出。虽然神经网络负责处理视频中的瑕疵，但开发人员需要提供参考图像进行着色。为此，有很多AI模型可以为旧照片着色。

我们还没有看到大型电影制片厂使用这种类型的模型来增强旧电影的商业用途。但是，随着神经网络的改进，我们可以预期，好莱坞和全球其他电影业将在不久的将来获得AI的帮助。