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修復了秦代兵馬俑。

更令人驚艷的是，他還讓古人做出了細微的動態(tài)表情。

快看，兵馬俑在向你眨眼、微笑。

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

每個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時的樣子。

這位外國小哥讓這些兵俑重新煥發(fā)了生機，穿越千年來和你對話。

此前，B站UP主大谷也對兵馬俑進行了修復，讓其嘴巴也動了起來。

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

接下來一起欣賞下。

穿越時空相逢

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，外國博主也爆火出圈，也引來許多人的關注。

修復技術

那么AI修復工作一般都是如何實現(xiàn)的呢？

大多都會用到這三個技術：第一個是負責做補幀的DAIN，第二個是做分辨率擴增的ESRGAN，第三個是上色的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。該項目開發(fā)了一個深度感知流動投影層，優(yōu)選取樣更近的物體，以合成中間流插補視頻幀。

ESRGAN：ESRGAN改進自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練相反，更深層次的 ESRGAN 模型通過簡單的訓練就能達到卓越的性能，核心點在于平衡視覺質量和峰值信噪比的網絡插值策略。

DeOldify：DeOldify 使用了NoGAN 進行訓練，NoGAN對于獲得穩(wěn)定和豐富多彩的圖像是至關重要的。

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

不論是圖像還是視頻，AI能夠將其修復得栩栩如生，最主要的是歸功于它強大的學習能力。

這里我們再簡單了解一下AI修復離不開的「靈魂GAN」。

還記得馬和斑馬相互轉換的圖像嗎？這便是GAN的應用之一。

和其他經典的機器學習算法相比，GAN算法最大的創(chuàng)新點便是它結合了生成器（Generator）和判別器（Discriminator），以二者的相互對抗進而實現(xiàn)相互優(yōu)化，最后達到一個「勢均力敵」的狀態(tài)。

以圖像為例，判別器D經過反復訓練，最后希望可以準確分辨出哪一個是真實的數據分布，哪一個是生成器的數據分布；同時，生成器G也不斷地訓練，最后希望能夠以假亂真，讓判別器判斷不出到底哪個是真的圖像，哪個是假的圖像。

現(xiàn)在越來越多的技術像是AI修復、AI換臉等都離不開GAN網絡，曾經困擾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)秀的網絡，比如CycleGAN、StackGAN等，愈加逼真、生動的圖像逐一呈現(xiàn)在大眾眼前。

現(xiàn)在大抵是「萬物皆可AI」的時代了！

AI還會繼續(xù)給我們帶來何種視覺驚喜，我們拭目以待~~~

關鍵詞： 英國女王