OPR：智能修复泛黄、破损老旧照片的AI工具

726 0

일반 소개

“Bringing Old Photos Back to Life”是微软研究团队开发的一个开源项目，专注于利用AI技术修复老旧照片。它基于深度学习方法，能够处理照片中的严重退化问题，如划痕、模糊和褪色等，让历史影像重焕新生。该项目在2020年CVPR（计算机视觉与模式识别会议）上以口头报告形式发表，受到广泛关注。用户可以通过GitHub访问代码和预训练模型，适用于研究或个人照片修复需求。项目不仅提供技术实现，还包括详细文档和示例，方便开发者与爱好者使用。

在线体验地址：https://colab.research.google.com/drive/1NEm6AsybIiC5TwTU_4DqDkQO0nFRB-uA?usp=sharing

기능 목록

老照片整体质量提升：通过AI算法改善照片的清晰度、对比度和色彩。
划痕自动修复：检测并修复照片上的物理划痕，恢复原始图像细节。
人脸区域增强：针对人脸区域进行精细化处理，提升面部特征的清晰度。
高分辨率支持：支持处理较高分辨率的照片，适用于专业修复需求。
用户界面操作：提供GUI界面，简化照片上传和修复流程。
自定义训练模型：允许用户根据需求训练特定数据集，扩展适用场景。

도움말 사용

설치 프로세스

要使用“Bringing Old Photos Back to Life”，需要先完成环境配置和代码安装。以下是详细步骤，适用于Ubuntu系统（Windows用户需根据环境调整）：

1. 准备环境

시스템 요구 사항：Ubuntu（推荐），支持Nvidia GPU和CUDA。
Python 버전：确保安装Python 3.6或以上版本。
종속 설치::
1. 打开终端，输入以下命令安装必要库：
```
pip install torch torchvision numpy opencv-python PySimpleGUI
```
2. 如果需要GPU支持，确保已安装CUDA和对应版本的PyTorch。

2. 下载代码和模型

클론 창고::

git clone https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life.git
cd Bringing-Old-Photos-Back-to-Life

同步批标准化模块::

로 이동Face_Enhancement/models/networks/카탈로그:

cd Face_Enhancement/models/networks/
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm ./
cd ../../../

로 이동Global/detection_models/目录重复上述操作：

cd Global/detection_models/
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm ./
cd ../../

사전 학습된 모델 다운로드::

로 이동Face_Enhancement/目录，下载人脸增强模型：

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 ../

로 이동Global/目录，下载全局修复模型：

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 ../

人脸检测模型::

로 이동Face_Detection/目录，下载检测文件：

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 ../

3. 测试安装

运行示例命令确认环境无误：

python run.py --input_folder ./test_images --output_folder ./output --GPU 0

如果成功，修复后的照片将保存在./output/final_output/目录。

사용법

通过命令行操作

准备输入文件夹：将需要修复的老照片放入一个文件夹（如test_images/).

运行修复命令::

无划痕修复：

python run.py --input_folder /path/to/test_images --output_folder /path/to/output --GPU 0

含划痕修复：

python run.py --input_folder /path/to/test_images --output_folder /path/to/output --GPU 0 --with_scratch

결과 보기：修复后的照片会自动保存到指定的输出文件夹（如/path/to/output/final_output/).

通过GUI界面操作

启动GUI::
```
python GUI.py
```
절차::
- 点击“选择照片”按钮，上传需要修复的老照片。
- 点击“修改照片”按钮，等待处理完成（时间取决于照片大小和硬件性能）。
- 处理完成后，结果会显示在界面上，同时保存至./output/폴더.
- 点击“退出窗口”关闭程序。

주요 기능 작동 절차

1. 划痕修复

적용 가능한 시나리오：照片有明显物理划痕。
작동 방법::
1. 在命令行中添加--with_scratch参数，或在GUI中勾选相关选项（若支持）。
2. 系统会自动检测划痕区域并进行修复，过程可能稍长。
3. 检查输出结果，划痕部分应被平滑填补。

2. 人脸增强

적용 가능한 시나리오：照片中人脸模糊或细节缺失。
작동 방법::
1. 보안Face_Enhancement/目录下的模型正确加载。
2. 运行时，系统会自动识别人脸区域并进行精细化处理。
3. 输出照片中人脸细节（如眼睛、嘴角）会更加清晰。

3. 高分辨率处理

적용 가능한 시나리오：需要修复高分辨率扫描照片。
작동 방법::
1. 在命令行中添加--HR매개변수:
```
python run.py --input_folder /path/to/test_images --output_folder /path/to/output --GPU 0 --HR
```
2. 注意：由于模型默认训练于256x256分辨率，高分辨率可能需要更多计算资源。