你对“历史”这个词的第一印象是什么？
很多人的脑海中最先冒出来的，或许是像下面这样粗糙颗粒、老旧模糊的黑白影片：
△图源 1951 年纪录片《抗美援朝》
但现在，在 AI 修复技术的帮助下，那些模糊的影片也能被赋予色彩：
在听到最新一批在韩中国人民志愿军烈士遗骸将于 9 月 2 日被移送回国的消息之后，“AI 修复师”大谷 Spitzer 便再一次用这种独特的方法，表达了自己的哀思。
而共青团中央官博也转发了这段 AI 上色后的特殊视频，并表示：
山河无恙，英雄不朽。
就如同电影《你好，李焕英》中，那段仿佛“一脚踏入现实”的从黑白到彩色的镜头一样。
当这段 70 年前的纪录片染上色彩之时，我们这些观者也不禁有一种向历史踏近了一步的感觉。
有穿着绿色军装，扛着红旗前行的小战士们：
有挤在绿皮火车上，与自己的亲朋好友告别的军人们：
还有踩在黄色土地上，从鸭绿江上横跨而过的队伍：
制作者大谷 Spitzer 表示，“每次修复这些历史影像，都能给我带来很大的震撼”。
而在之前的“让革命先烈露出微笑”的项目中，他也解释了自己所认为的“AI 修复的意义”：
我会把它定义成五分钟彼岸的一个概念。
就是说，在这种纷繁复杂的现代社会中，可能抽个五分钟去看一段古代的影像，或者以前的影响，看看当时的古人们是如何生活的，他们所思所想是怎样的。
对于这次修复，大谷坦言，“技术难点在于多人物镜头的修复”。
因此，他使用了支持 TensorFlow、Flink 等多种计算框架的机器学习平台 PAI。
在平台中，他增加了更多参考帧，并与其他的 AI 上色分辨率提升模型进行拼合，最终达到了很好的修复效果。
而在之前的项目中，大谷 Spitzer 也对自己所使用的 AI 修复技术进行了详细解释。
比如，用于脸部高清增强的是 GAN 先验嵌入式网络，也就是 GPEN（GAN prior embedded network）。
这一网络架构会将 GAN 先验网络嵌入到深度神经网络（DNN）中，并从中进行微调。
上色的则是基于 NoGAN 技术的 DeOldify，这种新型的 GAN 训练模型能够解决视频中物体闪烁等问题：
此外，还有负责视频帧插值的 RIFE，用于脸部生成的 Artbreeder，以及增加分辨率的 Topaz Labs。
其实在 AI 修复技术愈发成熟的今天，已经有越来越多的项目开始用到这项技术。
比如大谷 Spitzer 在去年就做过“晚清时期的北京”影像修复，玩了一把百年前的“老北京 Vlog”：
而今年五月四日，央视还在 AI 修复节目《彩绘中国・觉醒》中展示了一段彩色的五四运动现场：
这一节目的执行编导说到他们为老影像进行修复上色的初衷，只是“想还原一段历史”。
因为当时的人们并非生活在黑白无声的世界里。
我们所有的努力就是想向老影像致敬并以电影的体验方式呈现出来，以此把观众带入到那段时空当中去，感受一百年前人们的精神风貌。
这也正像是这位网友所说的那样：
我们周围的高技术越多，就越需要人的感情。
最后附上完整视频：
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。