赚足眼泪的《李焕英》被“复活”啦—

春节期间《你好李焕英》电影以42亿票房，火遍全球，赚足了我们的眼泪，各位宝宝们都默默在心里保证：我一定要听妈妈的话两天，哦不，一周。<（罒ω罒）>

《你好，李焕英》也同样触碰了B站知名Up主，独立艺术家——大谷Spitzer内心最柔软的部分，并应用飞桨PaddleGAN的能力，修复了李焕英年轻时的黑白照片，不仅为照片上色、提高了分辨率，还让静态的人物，从照片里“动起来“！

聪明的开发者们当然不止步于感动流泪，一定要挽起袖子自己动手尝试一下！那么小编这里就为大家详细解析下这个具体的实现过程。

过程中使用了PaddleGAN的相关算法详解如下：

1.黑白照片上色算法：DeOldify

DeOldify 是一种效果卓越的，可以将黑白的影像自动填充上色的深度学习算法，它是采用自注意力机制的生成对抗网络。生成器是一个U-NET结构的网络。在图像的上色方面有着较好的效果。

2.分辨率提升算法：EDVR

这一步就是将低分辨率的图片的分辨率提高，使影像的清晰度及细腻度增强。

PaddleGAN支持EDVR模型来进行分辨率提升，它提出了一个新颖的视频具有增强可变形卷积的还原框架：第一，为了处理大动作而设计的一个金字塔，级联和可变形（PCD）对齐模块，使用可变形卷积以从粗到精的方式在特征级别完成对齐；第二，提出时空注意力机制（TSA）融合模块，在时间和空间上都融合了注意机制，用以增强复原的功能。对视频的分辨率提升有很好的效果。

3.脸部动作迁移算法：First Order Motion

First Order Motion model的任务是给定一张静态的源图片，以及一个对应的带有面部表情的驱动视频，生成一段新的视频。在这个新的视频中，主角是源静态图片中的任务，而面部表情动作是驱动视频中人物的表情。First Order Motion也可以驱动人体的动作，原理是相同的，通常情况下，我们需要对源人物进行人脸关键点标注、进行表情迁移的模型训练。

是不是已经迫不及待要去尝试一下了? 小编赶紧送上传送门：