电影修复流程繁杂噜苏。
过去，一位履历丰富的修复师须要1个月的韶光，才可以修复完成一部影片，而这次修复百部喷鼻香港老片将利用深度学习等人工智能技能，这将极大地提升电影修复效率，同时进一步优化影片的画质，为不雅观众带来超高清的不雅观影沉浸感。

传统的修复方法更多关注光影、色彩、美学等，而人工智能修复，可以从清晰度、流畅度等方面提升老片的画面质量。
那么，人工智能是如何参与电影修复的？

由于拍摄设备、存储办法等方面的限定，老电影每每带有严重的胶片噪声且分辨率较低。
此外，由于拍摄年代和拍摄办法等的不同，老电影的画面质量也参差不齐，很多画面模糊不清。

提升影片的清晰度，须修复模糊的画面。
去模糊的难点在于，模糊的类型多种多样。
在拍摄、储存、拷贝翻印、胶片数字化以及压制导出的过程中，都可能产生模糊损伤，这导致模糊问题成因繁芜，修复职员常日难以得到精准的“模糊核”。

利用人工智能技能，可以从低质数据中抽取不同程度的模糊***，利用干系统计方法进行真实的“模糊核”估计，并通过主不雅观验证进一步筛选“模糊核”的类型。
同时，在自建的高清影视数据集上，天生“模糊—清晰”匹配数据对来演习机器学习从低质到高清的潜在的映射关系。
这样就能快速分辨出不同影片、不同画面模糊的缘故原由，进而提升修复效率。

在老电影修复中，电影中的人像须要重点关注和优化。
利用人工智能技能，利用基于天生式的人像修复模块，在保持人像真实特色的条件下，可以进行高清五官重修。
对低分辨率、多次压缩损伤以及拍摄环境（如暗场景和拍摄过程抖动）等造成的模糊、失落焦、噪声、马赛克等画质损伤，都能有效办理。

在这次100部经典港片的修复中，人工智能还为我们供应了老旧人像修复和人像超清化平分歧的人像办理方案。
对付低质量的人像，我们优化了人像模型在时域上的清晰度和稳定性，对不同大小的人脸（近景/中景/远景）、不同姿态角度的人脸（侧脸/俯视/仰视）、不同遮挡程度的人脸都有较好的修复增强效果。
对付一些中高质量的人像，我们利用人像超清模块，优化五官清晰度，最大限度还原睫毛、眉毛、发丝和肤质等脸部细节，修复结果更有质感。

很多老电影由于胶片保存不当涌现褪色情形，画面存在色偏。
为办理这一问题，须要对其进行色彩校正，还原符合电影美学风格的色彩。
借助人工智能技能，修复职员可以设计出符合电影美学标准的色彩校正方案。
详细做法是，对影片内容进行场景分割，利用深度学习方案逐帧学习其色彩校正矩阵；针对帧间同等性问题，则按场景打算出色彩校正矩阵的均值；对同一场景，利用同一套色彩校正矩阵进行处理，从而得到稳定的校正结果。

利用人工智能技能还能提升老电影的流畅度。
比如，一些武打片中，有很多人物快速运动的场景。
当画面帧与帧间运动较大，超过一定范围时，光流就会估计不准确，随意马虎产生拖影。
利用智能插帧算法，通过对前后帧的内容进行光流估计，并根据光流信息将前后帧像素都转换到中间帧，然后进行整合，天生中间帧，提升***帧率，这样就可以减少不雅观众不雅观看时的卡顿感。

一些老电影的胶片，由于保存不当，随意马虎涌现脏点、污渍和霉斑，呈现在画面上便是大块不规则形状的阴影，既毁坏了画面的完全性，也会影响不雅观众的不雅观影体验。
对付这些瑕疵，可以首先用去噪点和去划痕等算法批量处理，同时辅以人工二次校验，对误伤画面的部分进行优化，这既提高了修复处理的速率，同时也担保了修复的精准性。

此外，受限于拍摄时的设备和技能，早期的喷鼻香港武打片会有不少穿帮镜头，如画面涌现威亚线。
以往这种情形，只能依赖手工逐帧肃清，而人工智能算法可以自动识别到威亚的位置并进行擦除。

值得一提的是，在这次100部港片修复项目中，我们首次利用了AIGC（天生式人工智能)视觉大模型。
在更广阔的数据规模、更弘大的模型参数、更丰富的算力的加持下，大模型显示出远超以往算法的天生能力，天生内容的纹理细节更逼真、效果更自然。

针对老片修复的详细场景，我们还对AIGC视觉大模型进行了天生质量、***任务和推理效率方面的算法优化，有效提升了修复质量。
相信随着大模型技能的持续发展，人工智能将在老电影修复以及经典文化传承方面发挥更大浸染。
（作者：赵世杰，系火山引擎多媒体实验室研究员）

来源： 光明日报