千年一瞬，他們眨眼的瞬間，仿佛歷史重演。

(資料圖)

前不久，外國博主Panagiotis Constantinou用AI修復(fù)了秦代兵馬俑。

更令人驚艷的是，他還讓古人做出了細(xì)微的動(dòng)態(tài)表情。

快看，兵馬俑在向你眨眼、微笑。

去過兵馬俑后，大家都會(huì)對這些泥塑真人古跡的感到震撼。再看用AI復(fù)原后的兵馬俑，竟變成了有血有肉的大叔。

每個(gè)兵馬俑的表情都是千奇百態(tài)，幾千年過去了，我們很難想象出他們當(dāng)時(shí)的樣子。

這位外國小哥讓這些兵俑重新煥發(fā)了生機(jī)，穿越千年來和你對話。

此前，B站UP主大谷也對兵馬俑進(jìn)行了修復(fù)，讓其嘴巴也動(dòng)了起來。

其實(shí)，除了兵馬俑，Panagiotis Constantinou還對埃及帝王敵后、古希臘哲學(xué)家、英國女王等做了一系列動(dòng)態(tài)修復(fù)。

接下來一起欣賞下。

穿越時(shí)空相逢

古羅馬末期聲名顯赫的首富Marcus Crassus

亞歷山大大帝

古埃及艷后

英國女王

......

憑借這一系列修復(fù)，外國博主也爆火出圈，也引來許多人的關(guān)注。

修復(fù)技術(shù)

那么AI修復(fù)工作一般都是如何實(shí)現(xiàn)的呢？

大多都會(huì)用到這三個(gè)技術(shù)：第一個(gè)是負(fù)責(zé)做補(bǔ)幀的DAIN，第二個(gè)是做分辨率擴(kuò)增的ESRGAN，第三個(gè)是上色的DeOldify。

DAIN：深度感知視頻幀插值（DAIN）模型，通過探索深度信息來顯式地檢測遮擋。該項(xiàng)目開發(fā)了一個(gè)深度感知流動(dòng)投影層，優(yōu)選取樣更近的物體，以合成中間流插補(bǔ)視頻幀。

ESRGAN：ESRGAN改進(jìn)自SRGAN ，主要用來做視頻超分辨率。

與SRGAN的深層模型越來越難以訓(xùn)練相反，更深層次的 ESRGAN 模型通過簡單的訓(xùn)練就能達(dá)到卓越的性能，核心點(diǎn)在于平衡視覺質(zhì)量和峰值信噪比的網(wǎng)絡(luò)插值策略。

DeOldify：DeOldify 使用了NoGAN 進(jìn)行訓(xùn)練，NoGAN對于獲得穩(wěn)定和豐富多彩的圖像是至關(guān)重要的。

NoGAN 訓(xùn)練結(jié)合了 GAN (美妙的著色)的好處，同時(shí)消除了副作用(如視頻中的閃爍對象)。

不論是圖像還是視頻，AI能夠?qū)⑵湫迯?fù)得栩栩如生，最主要的是歸功于它強(qiáng)大的學(xué)習(xí)能力。

這里我們再簡單了解一下AI修復(fù)離不開的「靈魂GAN」。

還記得馬和斑馬相互轉(zhuǎn)換的圖像嗎？這便是GAN的應(yīng)用之一。

和其他經(jīng)典的機(jī)器學(xué)習(xí)算法相比，GAN算法最大的創(chuàng)新點(diǎn)便是它結(jié)合了生成器（Generator）和判別器（Discriminator），以二者的相互對抗進(jìn)而實(shí)現(xiàn)相互優(yōu)化，最后達(dá)到一個(gè)「勢均力敵」的狀態(tài)。

以圖像為例，判別器D經(jīng)過反復(fù)訓(xùn)練，最后希望可以準(zhǔn)確分辨出哪一個(gè)是真實(shí)的數(shù)據(jù)分布，哪一個(gè)是生成器的數(shù)據(jù)分布；同時(shí)，生成器G也不斷地訓(xùn)練，最后希望能夠以假亂真，讓判別器判斷不出到底哪個(gè)是真的圖像，哪個(gè)是假的圖像。

現(xiàn)在越來越多的技術(shù)像是AI修復(fù)、AI換臉等都離不開GAN網(wǎng)絡(luò)，曾經(jīng)困擾GAN的難題，比如難以收斂等也都漸漸得到了改善，而且基于GAN也衍生出了越來越多的更優(yōu)秀的網(wǎng)絡(luò)，比如CycleGAN、StackGAN等，愈加逼真、生動(dòng)的圖像逐一呈現(xiàn)在大眾眼前。

現(xiàn)在大抵是「萬物皆可AI」的時(shí)代了！

AI還會(huì)繼續(xù)給我們帶來何種視覺驚喜，我們拭目以待~~~

關(guān)鍵詞： 英國女王