大數據文摘出品
作者：宋欣儀
出門在外，是不是才覺得媽媽的嘮叨分外可愛又令人懷念。母親節到了，翻箱倒櫃想找出一張媽媽的老照片，卻因為早已泛黃褪色而觸碰不到回憶的信號，記不得哪年哪月哪天，找不回那條曾經以為可以一直走都走不到盡頭的童年街巷。彎彎的月亮，搖在手裡的蒲扇，是回不去的流逝光陰，但能不能至少將這些回憶鐫刻在相片，然後緊緊攥在手裡？
最近圖像修複大火，從網友們用小程序“你我當年”一鍵修複老照片到GitHub上的熱門項目“用機器學習給黑白照片上色”，我們似乎找到一個保存記憶的良方。
GitHub上給老照片上色的一個項目：DeOldify
歲月從牆上剝落，小時候牽著媽媽的手哭著鬧著要買的那根冰棒，你還記得它的顏色嗎？用DeOldify給黑白照片上色，嘗試拚湊出曾經的家庭生活的歡樂色彩，也找回曾經的家庭時光的溫度。
假如母愛有顏色，假如思念有形狀，它不應該是黑白而模糊的。回憶應該是在明朗的月光下，沿著夏夜的風爬上家門口的梧桐，然後輕輕敲打我的窗台。
《黑暗中的舞者》講述一個母親來到美國為了治愈失明的13歲兒子，甘願自己被捕入獄，並且最後被判死刑。當死亡就在眼前時，巨大的恐懼和強烈的求生欲讓她嘶叫嚎哭，只有朋友告訴她兒子手術成功，不會失明時，才讓她鎮定下來，驚恐無助的女孩又回歸成為了從容的母親。是非常適合母親節觀看的一部影片。
這是影片最後行刑前比約克對兒子說的話：
親愛的兒子俊，別害怕，我從不孤單，這不是最後一首歌，沒有小提琴，合唱團那麽安靜，沒人轉圈。這是倒數第二首歌，記得我說過的話，把麵包包好，把床鋪好。
大火的小程序“你我當年”
網友用小程序“你我當年”還原女星模糊照片後的美貌：
我的媽媽可能有點普通，有時候還有點市儈。我們說“為母則剛”，但她當年也只是一個被捧在手心裡的小公主。快拿媽媽年輕時候的照片也試一下，看一看她當年的風采。
圖像修複技術一覽
AI修複官：記憶不再模糊
“你我當年”運用主要是CNN、GAN等AI技術，即卷積神經網絡和生成式對抗網絡”，讓人想到美圖秀秀的一鍵磨皮，它們雖然都利用了卷積神經網絡，但二者並不一樣。美顏軟體中常見的磨皮功能是做減法，將照片去掉細節，做模糊處理。常用的磨皮算法包括均值模糊、高斯模糊、中值濾波等，它們的去噪效果好，但視覺效果差。而你我當年是做加法，可以自動補充細節，即利用AI算法替代圖像中缺失或者損壞的數據。
圖像修複一般用“擴散”的方法來處理，這種方法將局部結構應用到其他部分。或者用“示例”的方法，每一次構建缺失部分的一個像素點（塊）保持和周圍像素點的一致性。但是當缺失部分很大時，這些方法會失效，因此就需要運用機器學習。由一個高階模型提供補充的信息，例如深度神經網絡。
深度神經網絡使用監督圖像分類，在監督圖像分類中，每個圖像都有一個特定的標簽，神經網絡通過一連串的基本操作運算來學習圖像到標簽之間的映射。通過輸入學習大量的數據集（數百萬張帶有成千個的標簽的圖像），神經網絡可以實現準確的分類，實施一個判別式預訓練的神經網絡來指導圖像重建。
原理類似訓練一個機器人，讓其對缺失信息很多的圖進行“腦補”；同時找來一個“鑒定師”提出意見，讓機器不斷鑽研，雙方不斷提升。
AI上色師：老照片重見光彩
同樣地，訓練有素的AI可以學會上色，生成對抗網絡的本質還是學習損失函數。通過先對照片進行圖像分割，AI可以區分出標誌性物體，認出圖像中的各種元素，比如樹木、天空、人臉、服裝……在輸入大量包含常見場景和人物的圖片後，AI會自動學習和記憶這些關鍵信息的顏色，比如樹葉是綠色、人臉是膚色等。因此，它可以很快開始對黑白照片裡的場景進行彩色化，填補缺失色彩。
而更進一步地，AI正在逐步從靜態照片進軍動態效果，近日，在Facebook的F8大會上，一個名為Jason Antic軟體工程師展示了用DeOldify為老電影上色，效果非常驚豔。
DeOldify的深度學習模型借鑒了當前多種主流技術方法，包括：自注意生成對抗網絡（Self-Attention Generative Adversarial Network）、兩個時間尺度更新規則（Two Time-Scale Update Rule）以及最重要的——NoGAN——他開發的一種新型GAN訓練模型，用來解決之前DeOldify模型中出現的一些關鍵問題。NoGAN訓練結合了GAN訓練的優點(絢爛的色彩)，並消除了一些副作用(如視頻中閃爍的物體)。
GitHub地址：
https://github.com/jantic/DeOldify/blob/master/README.md
上色體驗地址：https://colorize.cc/
話說回來，今天母親節，給媽媽打個電話，然後把媽媽的畫像牢牢印在腦海吧。當然照片只是輔助，有些事還是要握在手心，刻在心頭。
香港九龍灣馬來街興發大廈15樓D室