社区
教程
Wiki
注册
登录
创作新主题
社区所有版块导航
Python
python开源
Django
Python
DjangoApp
pycharm
DATA
docker
Elasticsearch
分享
问与答
闲聊
招聘
翻译
创业
分享发现
分享创造
求职
区块链
支付之战
aigc
aigc
chatgpt
WEB开发
linux
MongoDB
Redis
DATABASE
NGINX
其他Web框架
web工具
zookeeper
tornado
NoSql
Bootstrap
js
peewee
Git
bottle
IE
MQ
Jquery
机器学习
机器学习算法
Python88.com
反馈
公告
社区推广
产品
短视频
印度
印度
一周十大热门主题
科研人必学 | Python数据可视化教程,轻松get酷炫配图!(附案例代码)
商建刚:AIGC获得独创性的途径:汇编权 ——评“幻之翼透明艺术椅”著作权侵权案
2025必看AI干货!《大模型/AIGC/GPT-4/Transformer/DL/KG/NLP/C...
DeepWiki : github 源码阅读工具
scalene,一个超酷的 Python 库!
Devin开发团队开源DeepWiki,助你快速读懂所有GitHub代码库
o3精准破译照片位置,只靠几行Python代码?人类在AI面前已裸奔
行业报告丨2025年中国AIGC应用全景图谱报告(附下载)
【Python技术】寻找全市场形态相似的股票例子
nicegui,一个非常好用的 Python 库!
关注
Py学习
»
Git
某开源工具火上GitHub热榜第一,女神青涩时纤毫毕现
扩展迷Extfans
• 3 年前 • 1147 次点击
从曾经的一键修复老照片的小程序“你我当年”,到 GitHub 上“用机器学习给黑白照片上色”的热门项目 DeOldify,人们越来越喜欢以图像修复的方式对许多珍贵记忆进行留存。
AI 修复,顾名思义,就是利用人工智能技术对图片进行修复,将老旧瑕疵的照片变的清晰无瑕疵,让许多泛黄的老旧图片散发出新的活力。
随着 AI 修复技术的发展,不仅可以对画面泛黄模糊的老旧的黑白照片进行修复,而且还可以为年代久远的黑白老照片进行“上色”。
AI 能够自动学习、记忆关键信息的颜色,并对照片进行图像分割,区分出标志性物体之后便可以
很快地开始对黑白照片里的场景进行彩色化。
与现如今的图像品质相比,彩色化的老照片还是很难做到完美无缺,而且还存在着较大的差异,但还原过后的老照片依然能够给人很多的惊喜。
最近,AI 修复又在网上掀起了一股老照片修复热潮,引得许多人争相试玩。
而比较火的 AI 修复非已经多日霸占 GitHub 热榜第一的 AI 修复项目 GFP-GAN 莫属,它的 Star 数目前已经高达8400。
从前 AI 修复只能对老照片进行还原和上色,现在的 AI 修复项目 GFP-GAN 却能够让包浆老图立刻变得十分的高清,就连头发丝都清晰可见。
用 GFP-GANAI 项目来对高圆圆的童年照进行修复,清晰的发丝、明亮的眼眸……原本模糊的人像立马灵动起来。
就算是时间更为久远的历史名人鲁迅先生年轻时意气风发的模样也可以被淋漓尽致的还原。
对于图灵照片的修复,眼神的锐利,头发、眉毛等诸多细节同样被 AI 完美的还原出来。
想要将老照片还原到以上的效果,操作起来其实十分简单。不需要比较
专业的 PS 技能,大家只需要在网页端的 Demo 上传图片就可以轻松实现。
GFP-GAN 可以通过 Colab、Hugging Face 或本地运行代码进行试玩。为了方便,大家可以
在 Hugging Face 网页端进行体验。
打开网站之后,大家只需要将想要修复的照片拖进左边的图片框内并点击 Submit 即可。
最值得一提的是,GFP-GANAI 项目在修复时不仅可以自动摆正人脸。若人像戴眼镜,连镜片反光都能进行高清化处理。
另外,在修复过程中,GFP-GAN 还不会对图片进行过度磨皮,那些在人脸上的一些自然皱纹也可以被全部精细展现出来。
如此方便的修复神器吸引了不少网友的进行试用,大家纷纷使用自己童年的低像素的照片进行试验。
上传网页之后,只需要用鼠标点点,糊到包浆的照片便能秒变人像大片。
不管是单人照片,还是多人合照,GAN 通通可以帮大家高清还原图片。
据悉,这项 GFP-GAN 项目是由腾讯 PCG ARC 实验室提出,其相关论文已被 CVPR2021收录。
GFP-GAN 强大的修复效果则是在受 StyleGAN2 的启发后所研究出的。研究人员主要在 GFP-GAN 的模型框架中用到了一个退化清除模块和预训练的 GAN 作为先验。
这两个模块通过隐编码映射和多个信道分割空间特征变化层(CS-SFT)连接。
在修复过程中,首先需要对低质量人脸进行降噪等粗处理,然后再保留面部信息。
在保真度方面,研究人员则引入一个面部损失( Facial Component Loss)来判断细节的提升保留,最后再用识别保留损失(Identity Preserving Loss)进行修复。
若大家想要了解关于 GFP-GAN 的更多详细情况,欢迎点击下方的项目页链接。
若只想要直接对 GFP-GAN 进行试玩,可以直接点击
第二个传送门链接。
GitHub 项目页
https://github.com/TencentARC/GFPGAN
Hugging Face 试玩传送门
https://huggingface.co/spaces/akhaliq/GFPGAN
关注
【扩展迷Extfans】
阅读更多精彩内容
👇
Python社区是高质量的Python/Django开发社区
本文地址:
http://www.python88.com/topic/124469
1147 次点击
登录后回复