包漿老圖立刻清晰到頭發(fā)絲是一種怎樣的體驗(yàn)？

看這明亮的眼眸、清晰的發(fā)絲，原本模糊的人像立刻添了幾分靈動(dòng)：

（這就是用AI修復(fù)的高圓圓童年照）

時(shí)間更久遠(yuǎn)的歷史名人照片也能搞定。

魯迅先生年輕時(shí)意氣風(fēng)發(fā)的模樣，被還原地淋漓盡致：

圖靈的這張修復(fù)就更厲害了，不僅眼神更加銳利，頭發(fā)、眉毛等細(xì)節(jié)都被完美還原了出來：

而以上這些效果，無需專業(yè)PS技能，只用一個(gè)網(wǎng)頁端的Demo、點(diǎn)點(diǎn)鼠標(biāo)上傳圖片就能搞定！

這么方便的修復(fù)神器，立刻引來了廣大網(wǎng)友的圍觀和試玩。

不少人都用自己童年時(shí)低像素的照片來試驗(yàn)，這效果仿佛十幾年前的自己就站在眼前了：

已經(jīng)糊到包漿的照片也能秒變?nèi)讼翊笃@feel立刻就來了~

多人合照修復(fù)也都是小case，這效果讓網(wǎng)友們直呼驚到了驚到了。

這就是已經(jīng)多日霸占GitHub熱榜第一的AI修復(fù)項(xiàng)目：GFP-GAN，Star數(shù)高達(dá)8400。

最近，它在網(wǎng)上又掀起了一股老照片修復(fù)熱潮，讓人們爭相試玩！

而這一項(xiàng)目由騰訊PCG ARC實(shí)驗(yàn)室提出，其相關(guān)論文已被CVPR2021收錄。

現(xiàn)在，就讓我們趕緊來體驗(yàn)一下它的神奇之處吧。

Demo試玩

GFP-GAN可通過Colab、Hugging Face或本地運(yùn)行代碼進(jìn)行試玩。

我們今天是在Hugging Face網(wǎng)頁端體驗(yàn)。

如界面所示，只需將你想修復(fù)的照片拖進(jìn)左邊的圖片框內(nèi)，點(diǎn)擊Submit即可。

比如我們上傳一張的照片，得到的效果就是這樣：

而且它還會自動(dòng)擺正人臉。

讓人驚喜的是，遇到人像戴眼鏡的情況，GFP-GAN甚至連鏡片反光都能高清化處理。

u1s1（有一說一），修復(fù)后的效果完全看不出是幾十年前的照片啊！

就連齊天大圣孫悟空的猴臉，對于GFP-GAN而言也是so easy，并且對光線的修復(fù)效果格外突出。

并且修復(fù)中也不會過度磨皮，人臉上自然的皺紋也全部精細(xì)展現(xiàn)。

用GAN修復(fù)人像

那么GFP-GAN如此強(qiáng)大的效果是怎么實(shí)現(xiàn)的呢？

研究人員受到StyleGAN2的啟發(fā)：

既然GAN已經(jīng)能生成如假亂真的圖片，那么它所包含的面部信息，是不是也能幫助人臉修復(fù)呢？

由此，在GFP-GAN的模型框架中，主要用到了一個(gè)退化清除模塊和一個(gè)預(yù)訓(xùn)練的GAN作為先驗(yàn)。

兩個(gè)模塊通過隱編碼映射和多個(gè)信道分割空間特征變化層（CS-SFT）連接。

訓(xùn)練過程中，首先要對低質(zhì)量人臉進(jìn)行降噪等粗處理，然后保留面部信息。

在保真度方面，研究人員引入了一個(gè)面部損失（ Facial Component Loss），判斷哪些細(xì)節(jié)需要提升保留，然后再用識別保留損失（Identity Preserving Loss）進(jìn)行修復(fù)。

一作師從湯曉鷗教授

本文論文一作是Xintao Wang，他是騰訊 ARC 實(shí)驗(yàn)室(深圳應(yīng)用研究中心)的研究員。

本科畢業(yè)于浙江大學(xué)，博士畢業(yè)于香港中文大學(xué)。

其博士期間師從湯曉鷗教授和Chen Change Loy教授。

研究方向?yàn)橛?jì)算機(jī)視覺和深度學(xué)習(xí)，尤其關(guān)注圖像、視頻修復(fù)方面。

論文地址：https://arxiv.org/abs/2101.04061

GitHub項(xiàng)目頁：https://github.com/TencentARC/GFPGAN

Hugging Face試玩?zhèn)魉烷T：https://huggingface.co/spaces/akhaliq/GFPGAN