人工智能张雪峰讲解人工智能：人工智能为电影修复带来了什么轻度抑郁症的人，多半会有这3句“口头禅”，希望你1句都没说过 太疯狂了

当夜幕降临，星光洒满了整个天空，1个神秘的旅行者走出阴影，他的身影在月光下若隐若现，仿佛是从童话故事中走出的人物。话没有多说快来看看我们今天的主题内容吧：

近日启动的“经典香港电影修复计划”，计划将100部香港老电影修复至4K版本电影修复流程繁杂琐碎过去，1位经验歉富的修复师需要1个月的时间，才可以修复完成1部影片，而这次修复百部香港老片将使用深度学习等人工智能技术，这将极大地提升电影修复效率，同时进1步优化影片的画质，为观众带来超高清的观影沉浸感。

传统的修复方法更多关注光影、色彩、美学等，而人工智能修复，可以从清晰度、流畅度等方面提升老片的画面质量那么，人工智能是如何介入电影修复的？由于拍摄设备、存储方式等方面的限制，老电影往往带有宽重的胶片噪声且分辨率较低。

此外，由于拍摄年代和拍摄方式等的没有同，老电影的画面质量也参差没有齐，很多画面模糊没有清提升影片的清晰度，须修复模糊的画面去模糊的难点在于，模糊的类型多种多样在拍摄、储存、拷贝翻印、胶片数字化以及压制导出的过程中，都可能产生模糊损伤，这导致模糊问题成因复杂，修复人员通常难以获得精准的“模糊核”。

利用人工智能技术，可以从低质数据中抽取没有同程度的模糊视频，利用相关统计方法进行真实的“模糊核”估计，并通过主观验证进1步筛选“模糊核”的类型同时，在自建的高清影视数据集上，生成“模糊—清晰”匹配数据对来训练机器学习从低质到高清的潜在的映射关系。

这样就能快速分辨出没有同影片、没有同画面模糊的原因，进而提升修复效率在老电影修复中，电影中的人像需要重点关注和优化利用人工智能技术，使用基于生成式的人像修复模块，在保持人像真实特征的前提下，可以进行高清五官重建。

对低分辨率、多次压缩损伤以及拍摄环境（如暗场景和拍摄过程抖动）等造成的模糊、失焦、噪声、马赛克等画质损伤，都能有效解决在这次100部经典港片的修复中，人工智能还为我们提供了老旧人像修复和人像超清化等没有同的人像解决方案。

对于低质量的人像，我们优化了人像模型在时域上的清晰度和稳定性，对没有同大小的人脸（近景/中景/远景）、没有同姿态角度的人脸（侧脸/俯视/仰视）、没有同遮挡程度的人脸都有较好的修复增强效果对于1些中高质量的人像，我们使用人像超清模块，优化五官清晰度，最大限度还原睫毛、眉毛、发丝和肤质等脸部细节，修复结果更有质感。

很多老电影由于胶片保存没有当出现褪况，画面存在色偏为解决这1问题，需要对其进行色彩校正，还原符合电影美学风格的色彩借助人工智能技术，修复人员可以设计出符合电影美学标准的色彩校正方案具体做法是，对影片内容进行场景分割，使用深度学习方案逐帧学习其色彩校正矩阵；针对帧间1致性问题，则按场景计算出色彩校正矩阵的均值；对同1场景，使用同1套色彩校正矩阵进行处理，从而得到稳定的校正结果。

利用人工智能技术还能提升老电影的流畅度比如，1些武打片中，有很多人物快速运动的场景当画面帧取帧间运动较大，超过1定范围时，光流就会估计没有准确，容易产生拖影利用智能插帧算法，通过对前后帧的内容进行光流估计，并根据光流信息将前后帧像素都转换到中央帧，然后进行整合，生成中央帧，提升视频帧率，这样就可以减少观众观看时的卡顿感。

1些老电影的胶片，由于保存没有当，容易出现脏点、污渍和霉斑，呈现在画面上就是大块没有规则形状的阴影，既破坏了画面的完整性，也会影响观众的观影体验对于这些瑕疵，可以首先用去噪点和去划痕等算法批量处理，同时辅以人工二次校验，对误伤画面的部分进行优化，这既提高了修复处理的速度，同时也保证了修复的精准性。

此外，受限于拍摄时的设备和技术，早期的香港武打片会有没有少穿帮镜头，如画面出现威亚线以往这种情况，只能依赖手工逐帧消除，而人工智能算法可以自动识别到威亚的位置并进行擦除值得1提的是，在这次100部港片修复项目中，我们首次使用了AIGC（生成式人工智能)视觉大模型。

在更广阔的数据规模、更庞大的模型参数、更歉富的算力的加持下，大模型显示出远超以往算法的生成能力，生成内容的纹理细节更逼真、效果更自然针对老片修复的具体场景，我们还对AIGC视觉大模型进行了生成质量、视频任务和推理效率方面的算法优化，有效提升了修复质量。

相信随着大模型技术的持续发展，人工智能将在老电影修复以及经典文化传承方面发挥更大作用（作者：赵世杰，系火山引擎多媒体实验室研究员）（赵世杰）

如果您觉得这篇文章很棒，请分享给您的同事或朋友圈。