你已经是一个成熟的AI了，用GitHub项目技术手段实现“穿越”……

2020年才刚开始，就被各位网友称之为末日之年。 “如果能穿越，我想重启2020” 想必是大家本年度最大心愿。

那么穿越是否真的存在？是否有实现穿越的可能呢？爱因斯坦说了，当年的研究狭义相对论，认为只要比光跑得快，那就有可能实现穿越。

不过暂且还只是理论

GitHub上有位大佬为了想要更清晰地看到过去，实现“穿越”，创造了一个给老照片修复的项目：DeOldify，其初衷也是是让记忆不再模糊。 好歹也是穿越：过一过穿越瘾也行。

GitHub地址：

https://github.com/jantic/DeOldify/blob/master/README.md

AI修复下的港星照片

“你我当年”运用主要是CNN、GAN等AI技术，即卷积神经网络和生成式对抗网络”，让人想到美图秀秀的一键磨皮，它们虽然都利用了卷积神经网络，但二者并不一样。

美颜软件中常见的磨皮功能是做减法，将照片去掉细节，做模糊处理。

常用的磨皮算法包括均值模糊、高斯模糊、中值滤波等，它们的去噪效果好，但视觉效果差。

例如踩雷的林徽因

林徽因这么“刚”一先生，却被AI修复成了网红脸。出尘的书卷气没有了，接地气的网红气息扑面而来。 你我当年：是做加法，可以自动补充细节，即利用AI算法替代图像中缺失或者损坏的数据。

AI修复的大小S照片在网上引起惊叹

《罗马假日》剧照

图像修复一般用“扩散”的方法来处理，这种方法将局部结构应用到其他部分。

或者用“示例”的方法，每一次构建缺失部分的一个像素点（块）保持和周围像素点的一致性。 但是当缺失部分很大时，这些方法会失效，因此就需要运用机器学习。由一个高阶模型提供补充的信息。

例如深度神经网络

深度神经网络使用监督图像分类，在监督图像分类中，每个图像都有一个特定的标签，神经网络通过一连串的基本操作运算来学习图像到标签之间的映射。

通过输入学习大量的数据集（数百万张带有成千个的标签的图像），神经网络可以实现准确的分类，实施一个判别式预训练的神经网络来指导图像重建。 当然场主也找到了个笨办法，人人都可实践。 人脸修复的精髓就在于对人脸的把控，其中所用到的主要技术为1、人脸检测2、人脸关键点检测3、人脸对齐这三个预处理操作。

##使用方法：

（来源https://github.com/RiweiChen/FaceTools） 由于是调用在windows下的.exe二进制软件，所以本工具仅限于在Windows下执行。 参照main.py中，指定需要预处理的图像文件夹、检测到的人脸图像的保存文件夹、对齐后的图像人脸文件夹路径等系列参数，调用test()函数即可。 使用实例：

（来源：https://github.com/RiweiChen/FaceTools）

if __name__ == "__main__" : ''' @param: 提供的参数：1，图像的文件名位置，2，需要保留的文件位置，3，图像的格式列表 ''' ImagePath=r'D:\Test\Val' #原始的图像路径 savePathDetect=r'D:\Test\Val_detect'#保存中间检测到的图像的路径 savePathAligned=r'D:\Test\Val_aligned'#对齐后的人脸图像的保存路径 test(ImagePath,savePathDetect,savePathAligned,tag_recover=True,savesize=[128,128])

其中，Tag_Recovery参数在人脸图像中人脸大小相差比较大的时候使用，如果人脸图像大小大致已经是抠出来的并且大小已经相同，就没有必要在设置这个参数了。 Like this ：

• 打开ps，把所有的照片都调整成透明度50%以下。开始照片叠加。
• 叠加时注意叠加锚点，按照最不易被改变的锚点来叠加，即可完成。

最后，场主想说的是，人脸图像处理技术作为时下最新兴的深度学习模型，也只是AI技术的九牛一毛。相信在不久的未来，AI能在更多场景带给我们惊喜，甚至可以实现像人类一样进行思考。

-END-

2080年，AI自我觉醒，程序猿工程狮们在一次程序异常后，发现了他们从没见到的问题，而修复已经来不及。

在那一瞬间，历史上第一个自我觉醒的AI开始疯狂复制自己，人类开始面临……