老照片修复新范式：用AI技术一键唤醒时光记忆-优快云博客

老照片修复新范式：用AI技术一键唤醒时光记忆

【免费下载链接】Bringing-Old-Photos-Back-to-Life Bringing Old Photo Back to Life (CVPR 2020 oral) 项目地址: https://gitcode.com/gh_mirrors/br/Bringing-Old-Photos-Back-to-Life

你是否还在为家中泛黄、破损的老照片惋惜？那些承载着家族记忆的珍贵影像，因岁月侵蚀变得模糊不清——折痕横贯画面、褪色让色彩失真、甚至面部细节已难以辨认。现在，借助Bringing Old Photos Back to Life项目的AI技术，只需一行命令即可让老照片重获新生。本文将带你快速掌握从环境搭建到照片修复的全流程，让沉睡的记忆重新焕发光彩。

项目简介：AI修复老照片的技术突破

Bringing Old Photos Back to Life是由香港城市大学与微软亚洲研究院联合开发的开源项目（CVPR 2020 Oral论文成果），通过三重AI技术解决老照片修复难题：

全局修复：处理照片整体褪色、污渍等非结构化损伤
划痕检测：智能识别照片中的裂痕与划痕区域
人脸增强：针对性优化面部细节，还原清晰五官

项目核心代码结构分为三个模块，各司其职又协同工作：

全局修复模块：Global/
人脸增强模块：Face_Enhancement/
人脸检测模块：Face_Detection/

环境准备：5分钟快速部署

1. 获取项目代码

git clone https://gitcode.com/gh_mirrors/br/Bringing-Old-Photos-Back-to-Life
cd Bringing-Old-Photos-Back-to-Life

2. 安装依赖组件

项目需同步批归一化组件支持，执行以下命令：

# 安装人脸增强模块依赖
cd Face_Enhancement/models/networks/
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .
cd ../../../

# 安装全局修复模块依赖
cd Global/detection_models
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .
cd ../../

3. 下载预训练模型

# 下载人脸特征点检测模型
cd Face_Detection/
wget http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
bzip2 -d shape_predictor_68_face_landmarks.dat.bz2
cd ../

# 下载AI修复模型权重
cd Face_Enhancement/
wget https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases/download/v1.0/face_checkpoints.zip
unzip face_checkpoints.zip
cd ../

cd Global/
wget https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases/download/v1.0/global_checkpoints.zip
unzip global_checkpoints.zip
cd ../

4. 安装Python依赖

pip install -r requirements.txt

核心功能：三种修复模式全覆盖

基础模式：修复无划痕老照片

对于仅存在褪色、模糊问题的老照片，使用基础修复命令：

python run.py --input_folder ./test_images/old \
              --output_folder ./results/basic \
              --GPU 0

参数说明：--GPU 0指定使用第1块GPU，若没有GPU可使用--GPU -1启用CPU模式（处理速度会显著降低）

进阶模式：修复带划痕照片

当照片存在明显折痕或划痕时，启用划痕检测功能：

python run.py --input_folder ./test_images/old_w_scratch \
              --output_folder ./results/scratch \
              --GPU 0 \
              --with_scratch

项目采用深度学习模型精准定位划痕区域，如上图所示，左侧为原始带划痕照片，右侧为AI检测出的划痕掩码（白色区域为识别到的划痕）。

高清模式：处理高分辨率照片

对于扫描的高清老照片（建议分辨率>1000px），启用HR模式获得更佳细节：

python run.py --input_folder ./test_images/hr_old \
              --output_folder ./results/hr \
              --GPU 0 \
              --with_scratch \
              --HR