双11了，文末有福利哦
DeOldify是一种技术，以彩色和恢复旧的黑白图像，甚至电影片段。它是由一个叫Jason Antic的人开发和更新的。这是目前最先进的黑白图像着色方法，而且所有的东西都是开源的。
首先，让我们看看他是如何做到的。它使用了一种名为NoGAN的新型GAN训练方法，该方法是他自己开发的，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。典型地，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，鉴别器试图辨别出图像是生成的还是真实的。
他的新方法(他称之为“NoGan”)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(通常计算时间相当长)。相反，他对生成器进行了预先训练，使其利用常规损失函数，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，如ResNet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，只需要少量的这种典型的生成器-识别器GAN训练，以优化生成的图片的“真实性”。
在训练过程中，将高斯噪声随机应用于图像，产生伪噪声。
高斯噪声是一个数据增广的方式,可以进行训练图像改善结果和抗噪声输入,使用相同的技术风格传输,图像的噪声将样式我们想复制并可以应用或多或少的转换。
整个架构在U-Net上使用一个基本的ResNet主干。其中GAN训练中的生成器网络为U-Net体系结构。目前，还没有完整的解释这是如何工作的，但是作者目前正在写一篇关于DeOldify的论文，在那里他将进一步说明为什么和如何使用他的技术。
你可以在下面的参考资料中找到三件事。首先，有一个GitHub的链接，其中有该技术的完整详细解释，甚至还有谷歌colab教程，可以让你自己使用它。然后，你可以使用DeOldify在DeepAI上找到一个免费的API，你可以点击并自己尝试。最后，第三个链接是DeOldify最先进的版本，如果你正在寻找最好的结果。它在MyHeritage的网站上，用户可以付费使用。
完整的代码，深入的解释，和Colabs: https://github.com/jantic/DeOldify
DeepAI免费图像着色使用 DeOldifyAPI: https://deepai.org/machinlearningmodel/colorizer
MyHeritage着色工具(DeOldify的最佳版本，付费):https://www.myheritage.com/incolor
