随着科技的发展，让照片中的人物“动”起来也并不是不可能。本文将介绍一下动态修复老照片的思路，并附上相关的软件名称。

一、想法：

想法很简单，就是想让过去的照片中人物动起来——照片是静态的，但是视频是动态的——初衷是为了怀念先人，想象先人的五官面貌更为生动，如同被摄像机记录下来的视频。想落实这个想法，如果单纯只靠人工去做的话，费时费力，且时间成本过高，也不太符合市场的需求，这种情况下，AI来做自然就成了相对快捷的方式方法。

二、AI的原动力：

Github上的DeOldify项目，本身就是一个以翻新老照片为目的的AI项目组，只不过随着项目的推进，发现很多朋友除了对黑白照片的修复上色有需求，对于人物面部五官的动态模拟依然有很高的修复意向。“市场有需求，科技来助力”。

该项目是由Jason Antic负责开发和更新的。同时这也是目前最先进的黑白图像着色方法，重要的是：该项目所有的东西都是开源的——您所见到的互联网中各类修复/上色的APP产品，或多或少都与该项目有点关联；虽然达不到人工修复的精细水准，但是对于某些照片的确能做到视觉上还过得去的效果。

三、技术发展思路（本部分有点专业词汇，大家看下就好）：

该项目组使用了一种名为NoGAN的新型GAN训练方法，该方法是由作者自己开发的，用来解决在使用由一个鉴别器和一个生成器组成的正常对抗性网络架构进行训练时出现的主要问题。GAN训练同时训练鉴别器和生成器，生成器一开始是完全随机的，随着时间的推移，它会欺骗鉴别器，从而训练鉴别器试图辨别出图像是生成的还是真实的。

这个作者称之为“NoGan”的方法，提供了与通常的GAN训练相同的好处，同时花费更少的时间来训练GAN架构；更进一步的，作者对生成器进行了预先训练，使其利用更快的训练方法调试AI，使AI变得更强大、更快、更可靠。

这是通过训练生成器像一个常规的深度网络的架构，用诸如：ResNet（中文名：残差网络）来完成的。这样在训练完整的GAN架构之前，模型已经很擅长为图像着色了。然后只需要少量的这种特定的生成模式，对识别器GAN训练，以优化生成的图片的“真实性”。

后面还有一些更深度的解释，鉴于太过深奥，这里就不再引用了（其实我也不懂）。

四、AI的动态五官修复成品：

DeOldify的开源链接：https://github.com/jantic/DeOldify；

目前DeOldify的最好成品是http://MyHeritage.com，这个国外的网站可以提供动态的五官合成，目前对于免费用户可以提供一周内三次的体验。

对了，特别说一下，目前的技术只支持五官动态，同时照片需要高清修复，所以并不是所有的照片都适合这种技术；如果您的照片本身很模糊或者非高清的话，那AI动态模拟出来的结果恐怕不会很理想。