0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

AI上色對比人工調色 結果令人難以置信

電子工程師 ? 來源:fqj ? 2019-04-29 14:18 ? 次閱讀

還記得自己小時候拍的老照片嗎

黑白的那種

有沒有想過,把它變成彩色?

就像這樣!

來自小編家的黑白照片

你絕對想不到

這是一個人工智能網站完成的結果

不得不說,這個由新加坡政府創(chuàng)科部門研發(fā)的Colourise.sg AI黑白上色系統(tǒng)真的很強大。

它可以把你上傳的黑白照片,用經過百萬次訓練的AI GAN算法,在眨眼睛完成著色。

前兩周,Colourise.sg正式發(fā)布后,徹底成為了Twitter上的“網紅”

許多網友翻出埋在家里柜子幾十年的老照片

通過Colourise.sg AI,重現(xiàn)生機!

這是我祖父母的結婚照!

真是太棒了。感謝老鐵@musatariq分享!

這東西真特么有趣!

雖然不是百分之百完美,但效果已經很棒了,我只用了10秒搞定。

Colourise對于黑白航拍照片的著色效果也很棒。

用真實的航拍照片來訓練AI,能夠顯著的提升它的能力。

這玩意兒很有潛力…

黑白上色,在彩照技術沒有普及的年代,一直是照相館的傳統(tǒng)服務。

整個上色過程非??简炛珟煾档哪托暮褪炙嚒?/p>

首先,著色師不僅要對畫面中物體的固有色(天空、膚色、綠植等)進行判斷,還要對畫面的歷史、地理、文化等背景進行研究,保證還原的真實性

然后,一筆一畫,直接在照片上著色。(當然后來技術發(fā)展了,就可以用ps一類的軟件)

那AI是如何為黑白圖片上色的呢?

Colourise運用一種稱為生成對抗網絡(GAN)的深度學習技術,將來自ImageNet的130萬張圖像進行訓練 。

最終模擬出人類上色的這兩個步驟。

首先,識別黑白照片中的物體,搜索該物體在過去的圖片中的曾出現(xiàn)的顏色,并為現(xiàn)在的照片配置一個合理的顏色

然后,使用相應數(shù)碼工具為黑白圖像上色。

原圖/AI上色/ 真實圖片

也就是說,Colourise給出的上色方案,是基于對大量數(shù)據(jù)計算和學習得出的選擇。

不過,AI計算出來的結果,也并非完美。

我們知道,在彩色圖像里,每個像素包含三個值,即亮度、飽和度和色調。

而灰度圖像,只有一個亮度值。所以,計算模型要用一組數(shù)據(jù),生成另外兩組數(shù)據(jù)。

問題在于,與一幅灰度圖像對應的合理彩色圖像,并不唯一。因此,Colourise不能保證還原出,完全真實的色彩。

相對人類來說,AI的優(yōu)勢主要在于高效的數(shù)據(jù)處理能力,人類幾個小時才能完成的圖片,Colourise上色只需要不到10秒。

說到這里,日常職業(yè)病的小編也突發(fā)奇想。

黑白上色,在我們的視頻調色領域,也是一個很有意思的課題

和老照片力求還原真實色彩的目的不同,視頻調色中的黑白上色,會融入更多調色師的主觀意志和創(chuàng)意想法,除了保留真實感外,還要好看,具有觀賞性,甚至為故事服務。

我們可以先來看看這個視頻。

由HOMEBOY COLOR COLLAGE 老師制作的視頻黑白上色教程

我比較好奇,和人工上色比起來,AI有何不同?能否得到一個既真實,又漂亮的結果呢?

打開網站,上傳...

10秒計算完成

來看下結果對比

原圖

HOMEBOY人工老師傅

AI小老弟

這一次,相對于人工結果,AI小老弟完成的上色“真實感”更強,天空、綠草、濃霧都得到了很好的還原。整體色彩也比較和諧統(tǒng)一。

而人工完成的上色,無論是遠處天空絢麗的高光,還是刻意制造的落日時分黃藍影調,甚至對于前、中、后景空間層次的強化,整體都做的更加夸張,體現(xiàn)了調色師的個人喜好和傾向。

在觀賞性這個層面來說,AI可能并沒有特別出彩。但從側面也說明了,未來只有具有創(chuàng)造性的工作,才是真正難以取代的。

當然,另一個角度看,也許你會說AI完成的結果,也別有一番風味。

這就是個人喜好了~

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • AI
    AI
    +關注

    關注

    87

    文章

    29438

    瀏覽量

    267763
  • GaN
    GaN
    +關注

    關注

    19

    文章

    1900

    瀏覽量

    72402
  • 顏色
    +關注

    關注

    0

    文章

    12

    瀏覽量

    15529

原文標題:AI上色對比人工調色 :結果令人難以置信

文章出處:【微信號:smartman163,微信公眾號:網易智能】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    AI for Science:人工智能驅動科學創(chuàng)新》第6章人AI與能源科學讀后感

    幸得一好書,特此來分享。感謝平臺,感謝作者。受益匪淺。 在閱讀《AI for Science:人工智能驅動科學創(chuàng)新》的第6章后,我深刻感受到人工智能在能源科學領域中的巨大潛力和廣泛應用。這一章詳細
    發(fā)表于 10-14 09:27

    AI for Science:人工智能驅動科學創(chuàng)新》第4章-AI與生命科學讀后感

    很幸運社區(qū)給我一個閱讀此書的機會,感謝平臺。 《AI for Science:人工智能驅動科學創(chuàng)新》第4章關于AI與生命科學的部分,為我們揭示了人工智能技術在生命科學領域中的廣泛應用和
    發(fā)表于 10-14 09:21

    AI for Science:人工智能驅動科學創(chuàng)新》第二章AI for Science的技術支撐學習心得

    非常高興本周末收到一本新書,也非常感謝平臺提供閱讀機會。 這是一本挺好的書,包裝精美,內容詳實,干活滿滿。 關于《AI for Science:人工智能驅動科學創(chuàng)新》第二章“AI
    發(fā)表于 10-14 09:16

    AI for Science:人工智能驅動科學創(chuàng)新》第一章人工智能驅動的科學創(chuàng)新學習心得

    人工智能:科學研究的加速器 第一章清晰地闡述了人工智能作為科學研究工具的強大功能。通過機器學習、深度學習等先進技術,AI能夠處理和分析海量數(shù)據(jù),發(fā)現(xiàn)傳統(tǒng)方法難以捕捉的模式和規(guī)律。這不
    發(fā)表于 10-14 09:12

    人工智能ai 數(shù)電 模電 模擬集成電路原理 電路分析

    人工智能ai 數(shù)電 模電 模擬集成電路原理 電路分析 想問下哪些比較容易學 不過好像都是要學的
    發(fā)表于 09-26 15:24

    人工智能ai4s試讀申請

    目前人工智能在繪畫對話等大模型領域應用廣闊,ai4s也是方興未艾。但是如何有效利用ai4s工具助力科研是個需要研究的課題,本書對ai4s基本原理和原則,方法進行描訴,有利于總結經驗,擬
    發(fā)表于 09-09 15:36

    名單公布!【書籍評測活動NO.44】AI for Science:人工智能驅動科學創(chuàng)新

    ! 《AI for Science:人工智能驅動科學創(chuàng)新》 這本書便將為讀者徐徐展開AI for Science的美麗圖景,與大家一起去了解: 人工智能究竟幫科學家做了什么?
    發(fā)表于 09-09 13:54

    Samtec AI應用科普 | 人工智能中的互連

    摘要/前言 現(xiàn)代生活的方方面面都受到了計算機和半導體的影響,但最能吸引公眾想象力的莫過于人工智能(AI)和機器學習(ML)的興起。 AI推動創(chuàng)新 雖然人工智能已經存在了一段時間,但最近
    發(fā)表于 06-05 11:32 ?882次閱讀
    Samtec <b class='flag-5'>AI</b>應用科普 | <b class='flag-5'>人工</b>智能中的互連

    開發(fā)者手機 AI - 目標識別 demo

    ) / sizeof(desc[0]), desc); return exports; } setconf 設置目標識別置信度的閾值,對于目標識別置信度低于閾值的結果不做顯示,默認為45
    發(fā)表于 04-11 16:14

    OpenAI:通用人工智能的未來展望

    AGI有潛力為每個人提供難以置信的新能力,可以想象這樣一個世界,任何人都可以在幾乎任何認知任務中獲得幫助,為人類的聰明才智和創(chuàng)造力提供巨大的能力放大器。
    發(fā)表于 01-04 15:18 ?358次閱讀

    毫米波射頻前端,還有機會嗎?

    毫米波被譽為能夠帶來令人難以置信的網絡吞吐量數(shù)據(jù),但迄今為止它的采用一直乏善可陳。
    的頭像 發(fā)表于 11-28 09:42 ?591次閱讀
    毫米波射頻前端,還有機會嗎?

    微軟CEO愿景:用個性化AI服務賦能全球80億人

    通過這些持續(xù)創(chuàng)新,讓全球80億人都能夠享受到更加個性化的教育、醫(yī)療等智能服務,讓不可能成為可能。? 自ChatGPT首次問世,僅過去短短一年的時間,這真讓人難以置信。然而在這一年里,我們所取得的成就、所見證的創(chuàng)新速度都令人嘆為觀止。? ? 如今,我們已進入了
    的頭像 發(fā)表于 11-27 08:10 ?573次閱讀
    微軟CEO愿景:用個性化<b class='flag-5'>AI</b>服務賦能全球80億人

    英偉達擊敗臺積電和英特爾,登上王座

    雖然臺積電、三星和英特爾等芯片行業(yè)競爭對手到 2023 年都取得了一定程度的進步(在營收方面),但可以清楚地看到多個業(yè)務部門致力于提供一系列令人難以置信的技術的“點石成金”效應,其核心競爭力就是滿足饑渴的人工智能市場需求。
    的頭像 發(fā)表于 11-25 14:43 ?839次閱讀
    英偉達擊敗臺積電和英特爾,登上王座

    卓越的頭腦,突破性發(fā)現(xiàn) —— 相聚 2024 GTC 大會

    。 從備受期待的 NVIDIA CEO 黃仁勛的主題演講到 600 多場鼓舞人心的會議、超過 200 家的展商,以及大量獨特的交流活動,GTC 為不同技術水平和興趣領域的參會者提供了豐富的內容。 無論是線下親臨現(xiàn)場還是在線參會,您都將享受到一場令人難以置信的盛會。 聆聽全球思想領袖的重
    的頭像 發(fā)表于 11-07 21:25 ?602次閱讀
    卓越的頭腦,突破性發(fā)現(xiàn) —— 相聚 2024 GTC 大會

    展會回顧|Wireless IoT Tomorrow 2023

    之情。????感謝參觀我們展臺的每一位觀眾!你們的熱情和反饋激發(fā)了我們在無線技術領域不斷創(chuàng)新的激情。????向我們令人難以置信的業(yè)務合作伙伴致以最崇高的敬意:Ta
    的頭像 發(fā)表于 11-02 10:55 ?616次閱讀
    展會回顧|Wireless IoT Tomorrow 2023