基于AI 技術的電影修復探索與研究

孫天宇，胡偉屹

（1.洛陽師范學院 文學院，河南 洛陽 471934；2.學習強國學習平臺有限責任公司，北京 100000）

0 引 言

早期電影大多以膠片作為載體。隨著時間的推移，膠片難免會出現劃痕、褪色、收縮、拼接不良或被霉菌弄臟等問題。數碼時代的影片修復技術利用人工智能（Artificial Intelligence，AI）深度學習等技術將原本存放于膠片中的信息重新傳遞到數字媒體上，利用降噪、著色、插幀等技術手段，能夠最大程度地對原有電影的畫質和音質進行優化和改善。

1 AI 修復技術對于經典電影的影響

AI 人工智能已經在出行、安防、文物修復等現實場景中實現落地。在電影修復領域，AI 人工智能已經嶄露頭角。AI 修復技術大幅提升電影幀數的同時，也提高了電影的清晰度和著色效果。

百年來留存下來的膠片電影記錄著歷史和時代的變遷，承載著民族的歷史記憶[1]。國產經典影片《八千里路云和月》《十字街頭》等既承載著我國一代乃至幾代人的集體記憶，也寄托了人類理想和情感。這些優秀國產電影的重映，可以激發觀眾欣賞懷舊影片的浪潮。國內外電影節也相繼推出電影修復單元，凸顯出老舊影片修復版獨特的市場價值。經典影片的修復版不是完全照搬，只單純對分辨率和畫質進行修復提升，更是對經典電影的再創作并對蘊含導演思想的新思考。

2 AI 重構低分辨率電影

分辨率是圖像的精密程度，是指圖像所能顯示的像素的多少，像素越多，畫面就越精細。超分辨率是指經過銳化和縮放來改善電影細節，利用AI來分析低分辨率圖形和高分辨率圖像之間的關聯，并對低分辨率圖形進行重構的過程。早期攝影機錄制視頻格式只能達到標清，無法達到更高畫質。如今AI 處理軟件實現了計算機自動判讀影片中的內容，然后對這些內容進行重新繪制。

2.1 AI 連續性著色

AI 電影處理軟件對影片鏡頭像素進行分析，以AI+大數據的算法進行研判，從而實現對像素的修復。這并非簡單地對像素進行銳化，而是先分析像素再進行系統的、連貫性且前后幀連續性的著色。早期電影除了畫質不好問題外，有的鏡頭甚至因為失焦而產生畫面模糊，或是由于快門速度過慢導致人物或者物體運動產生動態模糊，現在可以通過AI深度學習技術讓老舊電影獲得一定程度上的改善。

2.2 AI 交錯式掃瞄條紋修復

AI 可以通過去條紋功能進一步提升畫質。軟件采用交錯式掃描來去除條紋所導致的畫面割裂，這個功能在早期低分辨率電影上有良好效果。影片渲染并輸出后會產生輕微的色彩偏移，因此需要與剪輯、特效、調色等軟件結合使用來調整修復后的影片色彩，當然工作量也會大幅提升，但相比人工每一幀、每一幅畫面都需要修補而言，AI 算法的運用則顯得更加便利。雖然電影可以通過AI 算法獲得畫質提升，但AI 運算要耗費更多的效能，會對設備的處理器和顯卡造成較大壓力。

3 AI 插幀讓老電影更加流暢

電影是由一張張連貫的圖片構成，24 幀（每秒）是人眼所感到畫面流暢的下限。60 幀、120 幀的高幀率電影，其視覺效果相比大部分24 幀電影提升非常明顯[3]。AI 技術采用分析前后幀畫面來計算出中間幀的方法來進行插幀，將30 幀插幀到60 幀甚至120 幀，從而獲得更流暢的體驗。

視頻插幀是基于深度學習算法的技術生成的，比如目前有對播放視頻進行實時補幀的插件。軟件在原始視頻中前后不同的兩個幀之間插入一個由算法模擬兩個幀之間畫面內容的運動過程生成的中間幀，并對每一個像素進行計算，同時判斷場景中目標有無運動，如果有運動則需要按其運動向量做插補，如果沒有運動卻進行插補，反而會增加整體的模糊程度[2]。

插幀多采用幀采樣、幀混合、光流三種插幀方式。假如電影中出現幀缺失或者速度變化效果不明顯，可以選擇幀采樣的視頻處理方式，這樣對電影整體的影響不明顯。對修復效果要求高、時間短、特效多的電影進行處理時可以選擇光流法來獲得最大限度的效果提升。如果要處理較長、鏡頭切換頻繁、視覺元素復雜的電影，可以選擇幀混合方式來產出視頻，這樣得到的畫面不僅流暢，而且對電腦渲染速度更加友好。此外，有些手機、電視為了獲得更好的觀感，會主動對幀率不足的電影通過運動補償等算法來插幀，讓原本不夠流暢的電影變得更加順滑，部分計算機上的播放器軟件也能夠通過SVP 等視頻插件實現類似的效果。

4 AI 著色讓老電影更逼真

隨著現代AI 圖像處理技術的高速發展，人們不僅可以為圖像著色，還可以為黑白老電影進行著色。同時，AI 深度學習技術為老舊電影的音頻修復技術發展提供了契機。AI 技術可以消除幾乎任何類型的背景噪聲，如犬吠聲、廚房噪音、音樂、嬰兒啼哭聲、交通以及戶外聲音等。

4.1 AI 基于深度學習技術的視頻著色技術

電影彩色化的第一步是先將圖像中的各種內含物加以區分，這樣在對電影進行彩色化時才不至于發生錯誤，再找出黑白圖像與顏色之間的相對關系就可以著色了。老照片彩色化最經典的模型是視頻圖像處理工具運用大量基于AI 深度學習的技術來為圖像和視頻著色。它借助新型的、高效的圖像到圖像的網絡對抗訓練方式復原影片色彩，同時不會出現電影閃爍等問題。

圖像修復迭代技術則主要通過使用期望最大化算法來使修復圖象的似然性最優化。這種AI 算法，必須對電影資料退化的過程做出客觀評價，才能進行精確修正。人工智能除了能夠提高修復后電影的穩定性，還能夠對人們可知和不可知的事物進行著色，如衣服的顏色和汽車的顏色，甚至是擁有特殊效果的色彩。

4.2 AI 建構聲音數據增強音頻質量

電影是一種視聽藝術，因此聲音修復也十分重要。由于早期電影大多是單聲道音響，原膠片保留的單聲道聲音與4K 超高清畫質顯得格格不入。

電影修復者根據電影專門制作5.1 聲道甚至7.1聲道的環繞立體聲，為每一個影片增加一系列的效果聲，比如風聲、汽笛聲、腳步聲等，盡可能還原鏡頭內容所展示的生活狀態。通過建構足夠強大的數據庫來處理聲音的失真和退化。雖然AI 語音增強擁有較強的降噪能力，但處理后的語音往往會有音質下降的問題。更多的研究集中在如何通過改進數據生成和增強、探索優化目標和改進網絡模型來提高語音質量。

5 AI 修復電影的局限性

對于黑白電影，若想看清它所記錄的原有社會風貌，通常需要用畫筆和顏料為黑白片進行上色。而現在，AI 算法能夠讓每個人都可以快速對電影著色。但是AI 對老舊電影的著色也存在一定的局限性。

AI 算法著色之所以會出現偏差，是因為現有的彩色圖像需要轉換為具有一定灰度的圖像并采用算法對其進行重新繪制，而重新著色的圖像與原圖相比會顯得十分暗淡。著色對AI 而言更難，這意味著在給定灰度等級的情況下，AI 很難分辨應該為景物添加何種顏色。比如說女人的衣服可能是藍色的，但也可能是紅色或者其他顏色，灰度像素中沒有信息表明缺少何種顏色。但現有軟件沒有龐大的選色邏輯系統，而是在AI 深度學習中從最有可能出現的顏色數據庫中去挑選AI 認為正確的色彩。此外，影片修復還需考慮電影發生的地點和時間，人工調色能夠知道哪種配色方案對照片和視頻更有意義。

國內也有針對老舊電影修復和處理的程序，愛奇藝方面也把AI 技術大規模、多方面地應用在視頻畫質的修復和增強上[4]。愛奇藝視頻增強技術ZoomAI 提供了一個相對完善的老影片增強解決方案，將AI 深度學習技術用于圖片和視頻修復，從而達到提升和改善畫質的效果。人工修復電影會耗時一周甚至幾個月的時間，而利用算法來進行自動修復，可以大幅縮減人力成本并節省時間。該技術可以通過銳化處理來突出電影中人物或者物體的紋理和細節，此外，還可以通過色彩增強的手段讓鏡頭中的視覺元素色彩對比更加強烈，讓整體的畫面變得十分干凈整潔；借助超分辨率，則可以把老舊視頻的畫質從標清提升到高清甚至超清，讓影片的觀感得到整體上的飛躍[5]。

6 結 語

電影修復需要技術和藝術相融合。在對老舊電影的修復時，工作人員要充分考慮到影片歷史的藝術性。電影降噪時要把握降噪的度，保留影片畫面原有的顆粒質感的同時也要突出影片的藝術性。影片調色過程中也應尊重老舊影片本身的色彩特點。改善圖像的色彩、層次感和褪色等問題時，需要真實還原老電影的本來面貌。

影片修復不能完全依靠AI 對影片進行自動識別和恢復。人工可以通過特殊的音響、色彩、構圖來表達影片中人物的心理狀態和影片整體氛圍。人工檢查是影片修復的最后一道關卡。不過，隨著技術的提升，未來人們對AI 科技的使用只會更加嫻熟，AI 影片修復技術也將會助力老舊電影的修復，從提高修復效率以及修復效果等層面上給出更有力的支持。