【导语】：一款借助 AI 对老照片疾速进行修复的工具，基于 PyTorch 实现，反对划痕检测、面部润饰、全局还原等操作。
简介
Bringing-Old-Photo-Back-to-life 是由微软钻研团队开发的一款修复旧照片的工具，基于 PyTorch 实现，反对划痕检测、面部润饰、全局还原等操作。
下载安装
我的项目的源码地址是：
https://github.com/microsoft/…
代码在装有 Nvidia GPU 和 CUDA 的 Ubuntu 上进行了测试，Python 版本要求大于等于 3.6，应用以下命令进行装置：
（1）下载 PyTorch 库
cd Face_Enhancement/models/networks/
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .
cd ../../../
cd Global/detection_models
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .
cd ../../（2）下载 landmark 检测预训练模型
cd Face_Detection/
wget http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
bzip2 -d shape_predictor_68_face_landmarks.dat.bz2
cd ../（3）从 Azure Blob 下载训练模型
cd Face_Enhancement/
wget https://facevc.blob.core.windows.net/zhanbo/old_photo/pretrain/Face_Enhancement/checkpoints.zip
unzip checkpoints.zip
cd ../
cd Global/
wget https://facevc.blob.core.windows.net/zhanbo/old_photo/pretrain/Global/checkpoints.zip
unzip checkpoints.zip
cd ../（4）装置依赖
pip install -r requirements.txt简略应用
在 Colab 上体验（免装置）
Colab 地址：（国内需木弟子）
https://colab.research.google…\_4DqDkQO0nFRB-uA?usp=sharing
关上 Colab 的界面：
登录 Google 后依据指引运行代码配置环境，配置好环境就能够上传本人的图片进行体验，小编简略尝试了 3 张网图，成果如下：
本地装置体验
依据文章结尾介绍的下载安装办法装置实现后，能够通过以下命令进行应用：
（1）没有划痕的图像：
python run.py --input_folder [test_image_folder_path] \
--output_folder [output_path] \
--GPU 0要留神的是，这里须要的 output\_folder 参数值须要应用绝对路径，图像的修复后果将最终保留在 ./output\_path/final\_output/ 中。
我的项目样例成果：
（2）有划痕的图像：
python run.py --input_folder [test_image_folder_path] \
--output_folder [output_path] \
--GPU 0 \
--with_scratch我的项目样例成果：
钻研团队示意，他们不打算间接公布带有标签的有划痕的旧照片数据集，如果须要获取配对数据，能够应用他们的预训练模型来测试收集图像以取得标签：
cd Global/
python detection.py --test_path [test_image_folder_path] \
--output_dir [output_path] \
--input_size [resize_256|full_size|scale_256]我的项目样例成果：
该我的项目目前由团队成员 Ziyu Wan 保护，仅供学术研究应用。
开源前哨日常分享热门、乏味和实用的开源我的项目。参加保护 10 万 + Star 的开源技术资源库，包含：Python、Java、C/C++、Go、JS、CSS、Node.js、PHP、.NET 等。