AI技术已达如此高度:去码、上色6到飞起

简介: AI技术已达如此高度:去码、上色6到飞起在图片处理领域这块,AI刷的存在感越来越多。早前笔者就介绍过AI无损放大图片、AI去除马赛克、AI自动给线稿上色之类的玩法,现在,又有人给笔者推荐了一个AI黑科技——黑白照片一键变彩色。

--------点击屏幕右侧或者屏幕底部“+订阅”,关注我,随时分享机器智能最新行业动态及技术干货----------

在图片处理领域这块,AI 刷的存在感越来越多。早前笔者就介绍过 AI 无损放大图片、AI 去除马赛克、AI 自动给线稿上色之类的玩法,现在,又有人给笔者推荐了一个 AI 黑科技——黑白照片一键变彩色。

image.png

AI 在图片处理领域频频刷存在感,就算是马赛克,AI 技术也能修复成高清,现在 AI 还能上色了!

是的,AI 可以让黑白照自动变成彩色照片了!我们知道黑白照片上色的难点,在于它其中并没有包含任何色彩信息,需要靠人来辨认物体的什么,然后靠想象、脑补才能猜出黑白照应有的颜色,靠人工填上去。而现在,AI 也可以做到这一点?据介绍,这个“Colourise.sg”网站,利用了机器学习和神经网络算法,利用数十万张的照片建立了着色模型,我们一起来看看它到底靠不靠谱。

Colourise.sg是一个来自于新加坡的网站,在国内连接速度并不算快,有时候会出现连接问题。

image.png

Colourise.sg页面

Colourise.sg 的使用很简单,开启网页后,滚动到页面下方的交互框,就可以上传图片了。使用前,可以需要先做一个人机验证,判断你是不是真人,有时候这个验证码会刷不出来,多刷几次就可以了。

image.png

在这个框框上传需要上色的图片

Colourise.sg 一次只能为一张黑白照片上色,上传黑白照片后,Colourise.sg 很快就会给出结果。Colourise.sg 给出的结果还是很好玩的,提供了原图和上色后图片的对比图,而且用户可以拖动原图和上色图片的分界线,作更详细的比较。

Colourise.sg 的 AI 上色效果如何?我们来看看几组照片。

首先是一张二战历史照片。这张照片原本就是黑白照,可以看到 Colourise.sg 的上色效果还是比较自然的,但一些细节也有翻车的情况,总体来说比较好评。

我们再用现代的彩色照片来测试 Colourise.sg 的功力。这里先利用 PhotoShop 的去色程序,将一张彩色照片去色,然后再将它上传到 Colourise.sg 用 AI 上色,对比原先的彩色照片,看看 Colourise.sg 的上色到底是不是真的那么神奇。

首先来看两张风景照。

1.png

2.png

可以看到,Colourise.sg 总体来说还是比较自然的。它能够比较好地判断天空、海水、沙滩、绿植等要素,并给出了较为正确的色彩。特别是海边的这张照片,上色效果已经接近以假乱真,和原片只有风格上的差异而已。不过 Colourise.sg 对于一些细节的把控仍是有问题的,例如无法分辨枯叶和绿叶,只能笼统地将植物都填上绿色,对比原图色彩单调了不少。

再来看一张室内照。

3.png

这张照片Colourise.sg 的处理效果是不太理想的。和原图相比,Colourise.sg 上色的版本丢失了很多色彩,而且反差不强烈。对于室内布置的人造物,Colourise.sg 似乎没有太多的上色方案,毕竟和自然物体相比,人造物体的颜色有更多的可能性,Colourise.sg 的上色趋于保守也是可以理解的。但 Colourise.sg 竟然也没正确还原盆栽绿植的颜色,这就有点令人失望了。

最后我们来看一张食物的照片。

4.png

这简直就是翻车现场。Colourise.sg 基本没有起到上色的作用,换言之 Colourise.sg 根本就不知道这些食物、餐具应该的什么颜色。食物、餐具也是人造物,看来 Colourise.sg 对没有固定颜色搭配的物品,上色的确不擅长。

总结

可见,Colourise.sg 的能力还是比较局限的。对于自然景观、人脸皮肤等颜色比较固定的对象,Colourise.sg 能够正确上色;而对于家具、食物、餐具等颜色千万种的事物,Colourise.sg 就难以应付了。当然,随着数据库的进一步充实,AI 是可以继续进步的,期待今后有更好的 AI 上色方案吧。

image.png

原文链接:https://ai.51cto.com/art/202008/622706.htm

目录
相关文章
|
7天前
|
人工智能 搜索推荐 安全
AI技术在医疗领域的应用与挑战
【10月更文挑战第27天】 本文探讨了人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和患者管理等方面。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题和技术局限性等。通过对这些方面的深入分析,我们可以更好地理解AI在医疗领域的潜力和发展方向。
106 59
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
思通数科AI平台在尽职调查中的技术解析与应用
思通数科AI多模态能力平台结合OCR、NLP和深度学习技术,为IPO尽职调查、融资等重要交易环节提供智能化解决方案。平台自动识别、提取并分类海量文档,实现高效数据核验与合规性检查,显著提升审查速度和精准度,同时保障敏感信息管理和数据安全。
40 11
|
1天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
17 4
|
1天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
5天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战####
本文旨在探讨人工智能(AI)技术在医疗健康领域的创新应用及其面临的主要挑战。通过深入分析AI如何助力疾病诊断、治疗方案优化、患者管理及药物研发,本文揭示了AI技术在提升医疗服务质量、效率和可及性方面的巨大潜力。同时,文章也指出了数据隐私、伦理道德、技术局限性等关键问题,并提出了相应的解决策略和未来发展方向。本文为医疗从业者、研究者及政策制定者提供了对AI医疗技术的全面理解,促进了跨学科合作与创新。 ####
|
4天前
|
人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第31天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念开始,然后详细介绍其在医疗领域的应用,包括疾病诊断、药物研发、患者护理等方面。最后,我们将讨论AI技术在医疗领域面临的挑战,如数据隐私、算法偏见等问题。
|
4天前
|
存储 人工智能 文字识别
AI与OCR:数字档案馆图像扫描与文字识别技术实现与项目案例
本文介绍了纸质档案数字化的技术流程,包括高精度扫描、图像预处理、自动边界检测与切割、文字与图片分离抽取、档案识别与文本提取,以及识别结果的自动保存。通过去噪、增强对比度、校正倾斜等预处理技术,提高图像质量,确保OCR识别的准确性。平台还支持多字体识别、批量处理和结构化存储,实现了高效、准确的档案数字化。具体应用案例显示,该技术在江西省某地质资料档案馆中显著提升了档案管理的效率和质量。
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
医疗行业的语音识别技术解析:AI多模态能力平台的应用与架构
AI多模态能力平台通过语音识别技术,实现实时转录医患对话,自动生成结构化数据,提高医疗效率。平台具备强大的环境降噪、语音分离及自然语言处理能力,支持与医院系统无缝集成,广泛应用于门诊记录、多学科会诊和急诊场景,显著提升工作效率和数据准确性。
|
6天前
|
人工智能 运维 数据挖掘
跨界融合:AI与5G技术如何共同推动数字化转型
【10月更文挑战第29天】本文探讨了人工智能(AI)与第五代移动通信技术(5G)的结合如何推动数字化转型。通过高速、低延迟的5G网络和AI的数据分析能力,两者相辅相成,实现了智能化网络运维、增强网络功能和多行业的实际应用。文中提供了网络流量预测和故障预测的示例代码,展示了技术的实际应用潜力。
18 1
|
12天前
|
机器学习/深度学习 人工智能 供应链
AI技术在医疗领域的应用与未来展望###
本文深入探讨了人工智能(AI)技术在医疗领域的多种应用及其带来的革命性变化,从疾病诊断、治疗方案优化到患者管理等方面进行了详细阐述。通过具体案例和数据分析,展示了AI如何提高医疗服务效率、降低成本并改善患者体验。同时,文章也讨论了AI技术在医疗领域面临的挑战和未来发展趋势,为行业从业者和研究人员提供参考。 ###

热门文章

最新文章