作者：趙世傑（火山引擎多媒體(ti) 實驗室研究員）

　　近日啟動的“經典香港電影修複計劃”，計劃將100部香港老電影修複至4K版本。

　　電影修複流程繁雜瑣碎。過去，一位經驗豐(feng) 富的修複師需要1個(ge) 月的時間，才可以修複完成一部影片，而這次修複百部香港老片將使用深度學習(xi) 等人工智能技術，這將極大地提升電影修複效率，同時進一步優(you) 化影片的畫質，為(wei) 觀眾(zhong) 帶來超高清的觀影沉浸感。

　　傳(chuan) 統的修複方法更多關(guan) 注光影、色彩、美學等，而人工智能修複，可以從(cong) 清晰度、流暢度等方麵提升老片的畫麵質量。那麽(me) ，人工智能是如何介入電影修複的？

　　由於(yu) 拍攝設備、存儲(chu) 方式等方麵的限製，老電影往往帶有嚴(yan) 重的膠片噪聲且分辨率較低。此外，由於(yu) 拍攝年代和拍攝方式等的不同，老電影的畫麵質量也參差不齊，很多畫麵模糊不清。

　　提升影片的清晰度，須修複模糊的畫麵。去模糊的難點在於(yu) ，模糊的類型多種多樣。在拍攝、儲(chu) 存、拷貝翻印、膠片數字化以及壓製導出的過程中，都可能產(chan) 生模糊損傷(shang) ，這導致模糊問題成因複雜，修複人員通常難以獲得精準的“模糊核”。

　　利用人工智能技術，可以從(cong) 低質數據中抽取不同程度的模糊視頻，利用相關(guan) 統計方法進行真實的“模糊核”估計，並通過主觀驗證進一步篩選“模糊核”的類型。同時，在自建的高清影視數據集上，生成“模糊—清晰”匹配數據對來訓練機器學習(xi) 從(cong) 低質到高清的潛在的映射關(guan) 係。這樣就能快速分辨出不同影片、不同畫麵模糊的原因，進而提升修複效率。

　　在老電影修複中，電影中的人像需要重點關(guan) 注和優(you) 化。利用人工智能技術，使用基於(yu) 生成式的人像修複模塊，在保持人像真實特征的前提下，可以進行高清五官重建。對低分辨率、多次壓縮損傷(shang) 以及拍攝環境（如暗場景和拍攝過程抖動）等造成的模糊、失焦、噪聲、馬賽克等畫質損傷(shang) ，都能有效解決(jue) 。

　　在這次100部經典港片的修複中，人工智能還為(wei) 我們(men) 提供了老舊人像修複和人像超清化等不同的人像解決(jue) 方案。對於(yu) 低質量的人像，我們(men) 優(you) 化了人像模型在時域上的清晰度和穩定性，對不同大小的人臉（近景/中景/遠景）、不同姿態角度的人臉（側(ce) 臉/俯視/仰視）、不同遮擋程度的人臉都有較好的修複增強效果。對於(yu) 一些中高質量的人像，我們(men) 使用人像超清模塊，優(you) 化五官清晰度，最大限度還原睫毛、眉毛、發絲(si) 和膚質等臉部細節，修複結果更有質感。

　　很多老電影由於(yu) 膠片保存不當出現褪色情況，畫麵存在色偏。為(wei) 解決(jue) 這一問題，需要對其進行色彩校正，還原符合電影美學風格的色彩。借助人工智能技術，修複人員可以設計出符合電影美學標準的色彩校正方案。具體(ti) 做法是，對影片內(nei) 容進行場景分割，使用深度學習(xi) 方案逐幀學習(xi) 其色彩校正矩陣；針對幀間一致性問題，則按場景計算出色彩校正矩陣的均值；對同一場景，使用同一套色彩校正矩陣進行處理，從(cong) 而得到穩定的校正結果。

　　利用人工智能技術還能提升老電影的流暢度。比如，一些武打片中，有很多人物快速運動的場景。當畫麵幀與(yu) 幀間運動較大，超過一定範圍時，光流就會(hui) 估計不準確，容易產(chan) 生拖影。利用智能插幀算法，通過對前後幀的內(nei) 容進行光流估計，並根據光流信息將前後幀像素都轉換到中間幀，然後進行整合，生成中間幀，提升視頻幀率，這樣就可以減少觀眾(zhong) 觀看時的卡頓感。

　　一些老電影的膠片，由於(yu) 保存不當，容易出現髒點、汙漬和黴斑，呈現在畫麵上就是大塊不規則形狀的陰影，既破壞了畫麵的完整性，也會(hui) 影響觀眾(zhong) 的觀影體(ti) 驗。對於(yu) 這些瑕疵，可以首先用去噪點和去劃痕等算法批量處理，同時輔以人工二次校驗，對誤傷(shang) 畫麵的部分進行優(you) 化，這既提高了修複處理的速度，同時也保證了修複的精準性。

　　此外，受限於(yu) 拍攝時的設備和技術，早期的香港武打片會(hui) 有不少穿幫鏡頭，如畫麵出現威亞(ya) 線。以往這種情況，隻能依賴手工逐幀消除，而人工智能算法可以自動識別到威亞(ya) 的位置並進行擦除。

　　值得一提的是，在這次100部港片修複項目中，我們(men) 首次使用了AIGC（生成式人工智能)視覺大模型。在更廣闊的數據規模、更龐大的模型參數、更豐(feng) 富的算力的加持下，大模型顯示出遠超以往算法的生成能力，生成內(nei) 容的紋理細節更逼真、效果更自然。

　　針對老片修複的具體(ti) 場景，我們(men) 還對AIGC視覺大模型進行了生成質量、視頻任務和推理效率方麵的算法優(you) 化，有效提升了修複質量。相信隨著大模型技術的持續發展，人工智能將在老電影修複以及經典文化傳(chuan) 承方麵發揮更大作用。

　　《光明日報》（2023年08月23日 13版）