AI-färgläggning av foton

Ett svartvitt foto behåller ljusstyrkan på varje yta men kastar bort färgen, och ingen algoritm kan återskapa information som aldrig lagrades. Det ett färgläggningsnätverk kan göra är att förutsäga. Tränat på miljontals färgfoton har det lärt sig vilka färger världen brukar ha: himlar är blå, gräs är grönt, hud ligger i ett smalt varmt spann, trä är brunt.

När det ser ditt gråskaliga foto känner modellen igen föremål och material och målar dem med deras statistiskt troliga färger. Det är därför resultat känns äkta för landskap, porträtt och gatuscener, modellen har sett otaliga liknande scener. Det är också därför en viss klänning kan bli blå fast den egentligen var röd, båda är rimliga, och det sanna svaret finns helt enkelt inte i fotot.

Det här verktyget använder DeOldify, nätverket som gjorde trovärdig fotofärgläggning populär. Behandla resultatet som en rimlig restaurering snarare än ett dokumentärt facit, för familjealbum och historiskt sammanhang är det nästan alltid precis vad man vill ha.

Färgläggningsnätverk arbetar i blygsamma upplösningar, men det kostar dig ingen detalj här. Knepet är att ett foto kan delas i ljusstyrka och färg. All skärpa finns i ljusstyrkekanalen, som ditt ursprungliga foto redan ger i full upplösning. Nätverket behöver bara leverera färglagret, och färg är av naturen mjuk och lågfrekvent.

Verktyget färglägger en förminskad kopia av ditt foto, tar bara ut färginformationen ur resultatet, skalar upp det färglagret och blandar det med din originals orörda ljusstyrka. Den nedladdade bilden behåller varje korn och kant från källan, nu med naturlig färg. Det är samma renderingsstrategi som DeOldify-projektet självt använder.

Foton upp till 4 096 pixlar på längsta sidan tas emot, och utdata matchar indatamåtten exakt. Modellen laddas ner en gång, cirka 122 MB, och arbetar sedan direkt vid varje senare besök, helt på din enhet.

De flesta foton värda att färglägga börjar på papper, och skanningskvaliteten sätter taket för resultatet. Skanna i en upplösning som ger avtrycket minst 1 000 pixlar på långsidan, rengör skannerglaset, och håll fotot plant och rakt. Undvik mobilfoton av papperskopior under lampljus när du kan, reflexer och färgstick förvirrar både dig och modellen.

Skador är ett annat problem än saknad färg. Kraftigt korn får nätverket att tveka, färglägga försiktigt och stanna gråaktigt, så att köra en brusig skanning genom AI Brusreducering först låser ofta upp mycket starkare färger. Om ansiktena i fotot är suddiga eller slitna bygger AI-ansiktsåterställning upp dem igen, och dess utmatning passar fint in i färgläggningen.

Bleknade färgfoton har också nytta, inte bara äkta svartvita. Nätverket förutsäger färglagret på nytt från grunden och ersätter den urvattnade tonen i ett gammalt avtryck med friska, naturliga toner.

Färgläggning är oftast ett steg i att rädda ett gammalt foto, och stegens ordning ändrar resultatet. Den ordning som fungerar: brusreducera först, återställ ansikten som steg två, färglägg som steg tre, förstora sist.

Att brusreducera först spelar roll eftersom korn vilseleder varje senare steg. Ansiktsrestaurering före färgläggning ger modellen rena drag att färglägga i stället för suddigheter. Att färglägga före uppskalning håller den dyra färgförutsägelsen på en mindre bild, och det sista svepet genom AI-bilduppskalare förstorar en färdig bild.

För utdataformatet passar JPEG foton och ger små filer för delning, PNG behåller en förlustfri original. Om färgerna blir mer försiktiga än du hoppats signalerar det oftast en svår källa snarare än ett misslyckande, förbättra indatat med stegen ovan och kör igen. Varje körning är gratis, så att iterera kostar inget mer än några sekunder.