先说个故事。
几年前，我老爸给我发微信问，有没有办法修复先辈仅存下来的几张旧照片，特别是我的爷爷那一辈。我做了一些尝试，效果并不满意。
这是翻拍的旧照片，我曾插在我的博客《李老夫子遗墨》专栏里面：
應文世兄（立委伯祖父遗像）
这是当时做了电脑上色加工的图片：
当时知道，如果下细功夫磨是可以慢慢平滑（smoothing）修复一些疵点的，但这要熟悉图像软件的很多细节，一直没功夫学好这一技能。但人的神态、面部表情和细节的清晰度，光靠蛮力是无济于事的。
此事暂时搁下。老爸总觉得是个遗憾，尤其是现在我们打算给爷爷迁墓，以及重新印刷《李老夫子遗墨》的时候。老爸的记忆中这些先辈是鲜活的，可惜老爸不是画师，也找不到合适的画师可以根据记忆描述加旧照片参照，把他心目中的先辈肖像描画出来。
转眼到了2022年。我在手机中开始注意到一些旧照片复活的广告，其中一个镜头让人触动：一位90高龄的老太太的旧照片翻新成为细腻入丝的动画。老太太看到自己青春少女时代的风采，那种掩饰不住的惊讶和喜悦，让人印象深刻。
是的，AI 的革命和图像生成模型从来没有停下脚步。旧照片上色、修复，模糊头像清晰化，背景重置，动画效果，应有尽有。这一类接地气的应用已经有很多款，有时间可以慢慢比较选优。手机 app 就可以做（例如苹果店的 colorize app 中的附加功能 live portrait），动画生成调用云端的大数据模型，最多半分钟即可完成。
说一下这背后发生着什么。AI深度神经网络的革命首先在图像识别上大爆发，近几年的大数据生成模型开始突飞猛进。以前我们见木不见林，对于大数据的力量认识不足。总觉得任何信息对象总是由细及粗易，反之则难，简直是不可能，因为总不能无中生有吧。模糊的图像怎么可能清晰化呢？大数据预训练生成模型彻底改变了这一切。原理也简单：无中生有需要的是细节，这些细节信息以前靠记忆和想象弥补， 如今可以靠大数据的 trends 来填补。记住一个神奇的术语：propagation。有一个好的大数据模型，信息的 propagation 在多数场景可以做得非常好。（顺便一提，我认为，现在的所谓无损压缩技术在空间有限的场景，可以由物理超压缩，外加大模型逼真再现技术来模拟逼近，很多时候人的感官是很难区分的。）
于是，我跟老爸说，现在好了，旧照片翻新复活不是梦，一定做到老爸满意为止。当然，在翻新过程中还要有多种尝试，大体上 80% 的时候效果很好，也有少数时候，模型用力过度，造成失真的结果。在我把伯祖父和叔祖父图片和动画调制好以后，我爷爷的旧照翻新却有明显的缺陷，老爸不断问我：还可以改善吗？我说很难。
但功夫不费苦心人。我重新设计上色和清晰化的方案，然后再到图片软件中做一些色调的微调，再回到动画制作模型来，这样来回折腾几次，终于得到了相当不错的结果。我问老爸：这下满意了吗？老爸说：非常逼真！很好。印到书上，永留纪念！
老爸的惊喜让我感觉宽慰。爸爸记忆深处的形象终于逼真重现，这是以前做梦也想不到的事儿。
我在微信群发帖子说：AI 让先祖复活，栩栩如生。
00:00
00:11
00:00
00:11
00:00
00:10
【相关博文】
预告：李维《巴别塔影：符号自然语言处理之旅》（人民邮电出版社 2022）
预告：李维等 《知识图谱：演进、技术和实践》（机械工业出版社 2022）
转载本文请联系原作者获取授权，同时请注明本文来自李维科学网博客。
链接地址：https://wap.sciencenet.cn/blog-362400-1346347.html?mobile=1
收藏
