AI老照片修复!1.8万Star的DeOldify,让黑白照片重焕生机

项目地址：https://github.com/jantic/DeOldify
官方文档：https://github.com/jantic/DeOldify#technical-foundations

核心特性

支持的功能

技术原理

1. Self-Attention GAN

DeOldify使用了一种叫Self-Attention GAN的生成对抗网络架构。这种架构的特点是能捕捉图像中远距离的依赖关系——比如给一只狗上色时，能同时考虑狗的整体颜色和周围环境的协调性：

普通CNN：局部感受野，只看到一小块区域
Self-Attention：全局感受野，看到整张图的上下文

效果：狗的毛色不会和背景颜色冲突

2. 三种模型对比

3. 处理效果示意

原图（黑白）→ DeOldify处理 → 彩色照片
    ↓                      ↓
灰度图像          自然上色：蓝天、绿树、人物肤色正确

输出质量对比

快速安装

环境要求

• Python 3.6+
• PyTorch 1.9+
• NVIDIA GPU（推荐，CPU也能运行但很慢）
• 8GB+ RAM
• 10GB+ 磁盘空间

方式一：Docker（推荐，最简单）

# 下载并运行DeOldify Docker镜像
docker run -d \
  --name deoldify \
  --gpus all \
  -p 8080:8080 \
  -v $(pwd)/images:/input \
  -v $(pwd)/output:/output \
  jantic/deoldify:latest

# 访问Web界面
# http://localhost:8080

方式二：手动安装（PyTorch）

# 1. 克隆仓库
git clone https://github.com/jantic/DeOldify.git
cd DeOldify

# 2. 创建conda环境
conda create -n deoldify python=3.9
conda activate deoldify

# 3. 安装PyTorch（CUDA 11.3）
pip install torch==1.9.1+cu113 torchvision==0.10.1+cu113 \
  -f https://download.pytorch.org/whl/torch_stable.html

# 4. 安装DeOldify
pip install deoldify

# 5. 下载预训练模型（自动下载，首次运行会提示）
python -c "import deoldify; deoldify.download_model()"

方式三：Google Colab（免费GPU）

不需要本地安装，使用Google Colab的免费GPU：

# 在Colab中运行
!git clone https://github.com/jantic/DeOldify.git
%cd DeOldify
!pip install fastai deoldify

from deoldify.visualize import *

# 下载模型
colorizer = get_image_colorizer(artistic=True)

# 上色处理
colorizer.plot_transformed_image(
'input.jpg',
    render_factor=35,
    compare=True
)

验证安装

# 运行测试
deoldify --help

# 或者在Python中
python -c "
from deoldify import DeOldify
print('DeOldify installed successfully!')
"

使用体验

图像上色

# 图像上色脚本
from deoldify.visualize import *
from pathlib import Path

# 选择模型（artistic/stable）
colorizer = get_image_colorizer(artistic=True)

# 单张图片上色
colorizer.plot_transformed_image(
    path='photos/grandpa.jpg',
    results_dir=Path('output'),
    render_factor=35,  # 渲染因子，越大色彩越浓（15-40）
    compare=True# 生成对比图
)

# 批量处理文件夹
from deoldify.generators import *

for img_path in Path('photos').glob('*.jpg'):
    print(f"处理: {img_path.name}")
    colorizer.plot_transformed_image(
        path=str(img_path),
        results_dir=Path('output'),
        render_factor=35,
        compare=False
    )

处理流程：
1. 加载图片 grandpa.jpg
2. 检测内容类型（人像/风景）
3. 运行GAN上色模型
4. 输出：output/grandpa.jpg
5. 同时输出对比图：output/grandpa_compare.jpg

原图（黑白）                    DeOldify上色后
┌────────────┐                 ┌────────────┐
│ ░░░░░░░░░░ │                 │ ▓▓▓▓▓▓▓▓▓▓ │
│ ░爷爷的照片░ │   ───────→     │ ▓爷爷的照片▓ │
│ ░░░░░░░░░░ │                 │ ▓▓▓▓▓▓▓▓▓▓ │
│   黑白     │                 │   彩色     │
└────────────┘                 └────────────┘

视频上色

# 视频上色
from deoldify.video import *
from deoldify.generators import *

# 创建视频着色器（使用Video模型）
colorizer = get_video_colorizer()

# 处理视频
colorizer.colorize_from_video_name(
    input_video_path='videos/old_movie.mp4',
    output_video_path='output/colored_movie.mp4',
    render_factor=25,
    transcription=False# 是否保留原音
)

# 命令行方式处理视频
deoldify -s video \
  -i videos/old_movie.mp4 \
  -o output/ \
  --render-factor 25 \
  --video-model

交互式Web界面

# 启动Web界面
deoldify -i

# 或者在Python中
from deoldify.web import app
import uvicorn

uvicorn.run(app, host='0.0.0.0', port=8080)

访问 http://localhost:8080 可以通过拖拽上传图片、调整参数、实时预览上色效果。

常见问题

Q1: 上色效果逼真吗？会不会出现奇怪的色彩？

DeOldify在大多数场景下效果非常逼真。但AI无法知道历史真相（这张照片到底是什么颜色的），所以上色是一种"合理的猜测"。对于有确切历史背景的照片，建议人工微调。对于艺术创作，Artistic模型的夸张色彩反而是优点。

Q2: CPU和GPU速度差距多大？

一张照片：GPU（RTX 3080）约3-5秒，CPU约5-10分钟。一分钟视频：GPU约30分钟，CPU需要数小时。强烈推荐使用GPU。

Q3: 如何提升上色质量？

# render_factor：值越大色彩越浓
# 建议范围：15-40

# 低渲染因子（15）：色彩保守，适合写实
colorizer.plot_transformed_image(path, render_factor=15)

# 高渲染因子（40）：色彩浓郁，适合艺术感
colorizer.plot_transformed_image(path, render_factor=40)

# 多次处理后取平均（质量更好但慢）
for factor in [25, 30, 35]:
    colorizer.plot_transformed_image(path, render_factor=factor)

Q4: 可以处理中文文件名吗？

支持，但建议使用英文路径以避免编码问题。如果文件名有中文，请确保Python环境使用UTF-8编码。

总结

DeOldify 是开源AI图像处理领域的标杆项目，将复杂的深度学习模型封装成简单易用的工具。它让普通用户也能一键将老照片修复上色，无需专业技能，无需付费订阅。虽然AI无法100%还原历史真实色彩，但它给出的"合理猜测"往往令人惊叹。

• 🎨 核心优势：一键上色、批量处理、视频支持、本地免费
• 🛠️ 适合场景：家庭老照片修复、历史影像上色、老电影着色、艺术创作

如果你有珍贵的老照片想要修复上色，DeOldify是免费且效果最好的选择。用AI让尘封的记忆重新绽放色彩吧！

项目地址：https://github.com/jantic/DeOldify
官方文档：https://github.com/jantic/DeOldify#technical-foundations