你對“曆史”這個詞的第一印象是什麼？
很多人的腦海中最先冒出來的，或許是像下面這樣粗糙顆粒、老舊模糊的黑白影片：
△圖源 1951 年紀錄片《抗美援朝》
但現在，在 AI 修複技術的幫助下，那些模糊的影片也能被賦予色彩：
在聽到最新一批在韓中國人民志願軍烈士遺骸将于 9 月 2 日被移送回國的消息之後，“AI 修複師”大谷 Spitzer 便再一次用這種獨特的方法，表達了自己的哀思。
而共青團中央官博也轉發了這段 AI 上色後的特殊視訊，并表示：
山河無恙，英雄不朽。
曆史并非黑白無聲
就如同電影《你好，李煥英》中，那段仿佛“一腳踏入現實”的從黑白到彩色的鏡頭一樣。
當這段 70 年前的紀錄片染上色彩之時，我們這些觀者也不禁有一種向曆史踏近了一步的感覺。
有穿着綠色軍裝，扛着紅旗前行的小戰士們：
有擠在綠皮火車上，與自己的親朋好友告别的軍人們：
還有踩在黃色土地上，從鴨綠江上橫跨而過的隊伍：
制作者大谷 Spitzer 表示，“每次修複這些曆史影像，都能給我帶來很大的震撼”。
而在之前的“讓革命先烈露出微笑”的項目中，他也解釋了自己所認為的“AI 修複的意義”：
我會把它定義成五分鐘彼岸的一個概念。
就是說，在這種紛繁複雜的現代社會中，可能抽個五分鐘去看一段古代的影像，或者以前的影響，看看當時的古人們是如何生活的，他們所思所想是怎樣的。
AI 如何修複
對于這次修複，大谷坦言，“技術難點在于多人物鏡頭的修複”。
是以，他使用了支援 TensorFlow、Flink 等多種計算架構的機器學習平台 PAI。
在平台中，他增加了更多參考幀，并與其他的 AI 上色分辨率提升模型進行拼合，最終達到了很好的修複效果。
而在之前的項目中，大谷 Spitzer 也對自己所使用的 AI 修複技術進行了詳細解釋。
比如，用于臉部高清增強的是 GAN 先驗嵌入式網絡，也就是 GPEN（GAN prior embedded network）。
這一網絡架構會将 GAN 先驗網絡嵌入到深度神經網絡（DNN）中，并從中進行微調。
上色的則是基于 NoGAN 技術的 DeOldify，這種新型的 GAN 訓練模型能夠解決視訊中物體閃爍等問題：
此外，還有負責視訊幀插值的 RIFE，用于臉部生成的 Artbreeder，以及增加分辨率的 Topaz Labs。
那些相隔百年的對視
其實在 AI 修複技術愈發成熟的今天，已經有越來越多的項目開始用到這項技術。
比如大谷 Spitzer 在去年就做過“晚清時期的北京”影像修複，玩了一把百年前的“老北京 Vlog”：
而今年五月四日，央視還在 AI 修複節目《彩繪中國・覺醒》中展示了一段彩色的五四運動現場：
這一節目的執行編導說到他們為老影像進行修複上色的初衷，隻是“想還原一段曆史”。
因為當時的人們并非生活在黑白無聲的世界裡。
我們所有的努力就是想向老影像緻敬并以電影的體驗方式呈現出來，以此把觀衆帶入到那段時空當中去，感受一百年前人們的精神風貌。
這也正像是這位網友所說的那樣：
我們周圍的高技術越多，就越需要人的感情。
最後附上完整視訊：