清朝人如何變戲法？帶你來看AI修復的1904年老電影（滑稽慎入）

清朝人如何變戲法？

變的都是些什么？

近日，AI修復上色了一部1904年拍的中國人變戲法的百年老電影。

來看看老電影里的中國戲法是怎么變的。

首先，一位“中國”戲法師舉著油紙傘扇著扇子、邁著輕快的小步快速登場，晃悠好幾圈之后開始“施法”，biu，一張凳子，biu，又變出一張凳子。

接下來，收傘扔一邊，撿起登臺時掉地上的扇子，biu，舞兩下又變出一把油紙傘。

下面，邪門的要來了：

只見戲法師小傘一揮，兩燈籠變金毛！抱著大金毛摸兩下，狗子立馬變女人！還是穿著和服的“日本女人”……

這給戲法師忙活的。

后來他又搞了兩個紙箱子，變兩個人交換位置的戲碼，動圖就不貼了，感覺越來越有西方魔術那味了。

另外，紙箱上面的字，是模仿的中國字嗎？我怎么一個都不認識。

外國人模仿中國戲法的魔幻電影

一路看下來，是不是覺得這戲法變的，滑稽中帶著一點怪里怪氣？

清朝/古代中國人是這么變戲法的嗎？

難道不應該表演一段吞劍、三仙歸洞、仙人摘豆、……嗎？

事情這樣的，這部電影叫《清朝，中國魔法師》（Le thaumaturge chinois ），是法國明星電影公司老板喬治.梅里愛拍的。

劇中都是外國人模仿中國戲法，而且不是真的變魔術，是魔幻電影，用的“停機再拍”手法。

所以大家看得才這么奇怪：

一開始登場的魔術師的造型就看著很別扭，留著長辮子，穿的服裝卻有點不像漢服，而大變活人變出來的女人穿著和發型打扮可以說就是相當日式了。

整個就是一“滿日”結合。

說明當時的外國人對中國乃至東方的認知還是模糊的。

布景細看也奇怪，那棟牌樓看著像中國風，上面印著卻只是看著像方塊字的豎牌匾，后面的橋就更奇怪了。

日本明治風嗎？

魔術師手里的油紙傘感覺也不太像樣。

好在原版電影的配樂還有點中國味。

給大家截取一個原版片段：

別的不說，AI修復過后的視頻確實看起來舒服了很多，畫面噪音都沒了。

AI修復讓老片變流暢、清晰、有顏色

近幾年來，AI修復上色老影像層出不窮，比如此前大火的修復古董紀錄片還原20年代的老北京生活、修復上海民國名媛時裝展影像、《我的祖國》MV變4K高清彩色等。

他們用到的技術都差不多。

一般修復老影像工作包括插幀、提升分辨率、上色這三個步驟。

插幀是為了讓老片的幀數至少達到24fps（人眼看視頻不卡頓的下限），畫面看起來才能連貫、流暢。

通過分析相鄰兩幀的差異和運動軌跡來產生中間幀。

先進的算法比如英偉達開源的Super SloMo，從30fps插幀到240fps，即使放慢8倍也不會感到卡頓。

而上海交通大學開源的DAIN算法，比英偉達的效果更清晰、幀率更高，可以把30fps進一步插幀到480fps。

提升分辨率就是對圖片降噪去顆粒，增加像素細節，讓看起來像打了馬賽克的畫面變清晰。

用的是超分辨率（Super-Resolution，SR）技術，傳統的超分辨率分成以下三方面：基于插值、基于重建、基于學習（非深度學習）。

基于插值的方法很常用，和上面說的插幀想法類似，估計每個新像素要顯示什么內容，需要基于它們周邊的像素。常見以下三種：

1、最臨近插值法：簡單但效果一般，利用與其最近鄰相同的顏色填充空白像素。但結果是一個鋸齒狀、明顯像素化的圖像。
2、雙線性插值法：基于最近的兩個像素來分析空白像素，并在它們之間生成一個梯度，圖像會清晰不少。
3、雙三次插值法：會對其16個最近鄰像素進行采樣，著色變得精確，但仍然存在圖像模糊的問題。

可結合雙線性插值和雙三次插值使用。

除了上面三種基于插值、重建和學習（非深度學習），還有基于深度學習的超分辨率技術，如SRCNN、EDSR等。

提高了老影像的流暢度和清晰度，就差上色了。

上色需要利用神經網絡，訓練一堆彩色照片，將它們轉換成黑色和白色，然后對我們要操作的行圖像進行分割和識別，然后找到黑白圖像中灰度與色彩的對應聯系就能著色。

最好用的上色模型就是Facebook開源的DeOldify了，用的是NoGAN的技術，這是一種基于GAN的訓練方法，但細節處理效果更好，渲染也更逼真。

各種老影像資料和電影都是人類共同的財產，修復它們可以讓更多的人愿意重溫經典、回顧歷史。

使用AI修復上色老影片肯定是比人類快，有時人類修復師需好幾個人人花兩三周完成的電影，AI最快只需12小時。

它可以批量完成去噪、去模糊、去劃痕、去閃爍等一系列工作，而隨著AI修復的越來越多，背后的算法也能不斷學習和改正，效果會越來越好。

但是AI的局限性必然也有，它可能把抗美援朝志愿軍戰士們穿的黃綠色軍裝上色為青色或者一味追求現代質感等，所以需要人類修復師的歷史知識和審美能力來把關細節。

AI歷史影像館

本次介紹的修復視頻來自B站up主AI歷史影像館：

該賬號快1萬個粉絲，從2020年8月以來一共發布快300多個AI修復視頻，從上世紀初到80年代，從廣州到吉林，從國家大事到老百姓日常生活，貢獻了很多修復后的寶貴歷史影像資料。