▍Demo测试

GitHub开源项目上已提供了一个 Colab Demo，感兴趣的可在这个 Demo 上使用自己的旧照片尝试恢复一下。

Colab Demo 地址：https://colab.research.google.com/drive/1NEm6AsybIiC5TwTU_4DqDkQO0nFRB-uA?usp=sharing

下面是是一些被成功修复的老图片，可以自己对比下新老照片效果。

比如原来有裂纹的照片可以完美修复掉，颜色上会变得更加鲜明，完全看不出旧的痕迹了。

▍要求

该代码已在装有Nvidia GPU和CUDA的Ubuntu上进行了测试。需要Python> = 3.6才能运行代码。

▍如何使用

1、 Full Pipeline

在安装和下载预训练的模型后，你可以使用一个简单的命令轻松恢复旧照片。

对于没有划痕的图像：

python run.py --input_folder [test_image_folder_path] \
                         --output_folder [output_path] \
                         --GPU 0

对于有划痕的图像：

python run.py --input_folder [test_image_folder_path] \
                         --output_folder [output_path] \
                         --GPU 0 \
                         --with_scratch

2、Scratch Detection

目前，我们不打算直接发布带有标签的有划痕旧照片数据集。如果你想要得到配对的数据，你可以使用我们的预训练模型来测试收集到的图像，以获得标签。

cd Global/
python detection.py --test_path [test_image_folder_path] \
                                    --output_dir [output_path] \
                                    --input_size [resize_256|full_size|scale_256]

3、Global Restoration

提出了三重态域翻译网络来解决旧照片的结构化退化和非结构化退化。

cd Global/
python test.py --Scratch_and_Quality_restore \
               --test_input [test_image_folder_path] \
               --test_mask [corresponding mask] \
               --outputs_dir [output_path]

python test.py --Quality_restore \
 --test_input [test_image_folder_path] \
 --outputs_dir [output_path]

4、Face Enhancement

我们使用渐进式生成器来细化老照片的脸部区域。更多细节可以在我们的日志提交或者 /Face_Enhancement 文件夹中找到。

开源项目地址：https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life

关于这个项目的原理以及详细介绍也可在这个地址中研究：http://raywzy.com/Old_Photo/

开源项目组织：Microsoft，此项目目前由Wan Ziyu维护