DeOldify: la clásica herramienta de código abierto para colorear fotos y vídeos en blanco y negro mediante técnicas de IA

Introducción general

DeOldify es un proyecto de código abierto basado en tecnología de aprendizaje profundo para la coloración y restauración inteligentes de fotos y vídeos en blanco y negro. DeOldify proporciona tres modelos preentrenados diferentes: el modelo Artistic se centra en generar efectos de imagen artísticos y detallados, el modelo Stable es más adecuado para retratos y paisajes naturales, y el modelo Video está especialmente optimizado para vídeo con el fin de garantizar la estabilidad de la imagen. El modelo Vídeo está optimizado para vídeo con el fin de garantizar la estabilidad de la imagen. El proyecto es completamente de código abierto y puede utilizarse a través de Google Colab, la implantación local y otros medios, lo que facilita que cualquiera pueda dar nueva vida a preciosas fotos e imágenes históricas.

Recomendado:CodeFormer: restauración facial de imágenes y vídeos, restauración de fotos antiguas, ofrece una versión de despliegue con un solo clic

Experiencia gratuita: https://deoldify.ai/

Lista de funciones

• Admite el autocoloreado inteligente de fotos en blanco y negro
• Admite la coloración uniforme y estable de vídeo en blanco y negro
• Ofrece tres modelos de preformación profesional para satisfacer las necesidades de distintos escenarios de aplicación
  • Modelos artísticos: para efectos de coloración de imágenes de la máxima calidad
  • Modelo estable: optimización del tratamiento de retratos y paisajes
  • Modelo de vídeo: garantiza la suavidad y estabilidad de la coloración del vídeo
• Admite el uso en línea a través de Google Colab sin despliegue local
• Proporcionar una solución completa de instalación y despliegue local
• Soporte para uso interactivo a través de Jupyter Notebook
• Abrir el archivo de pesos del modelo de preentrenamiento para descargarlo y utilizarlo

Utilizar la ayuda

1. Acceso en línea (recomendado)

La forma más fácil de utilizarlo es en línea a través de Google Colab:

1. Colorear imágenes:
   • Acceso DeOldify colorear imagen Cuaderno Colab
   • Pulse el botón "Ejecutar
   • Sube tus fotos en blanco y negro
   • Selección del modelo de coloración adecuado (Artístico o Estable)
   • Espere a que finalice el procesamiento y descargue los resultados
2. Vídeo Colorear:
   • Visita DeOldify Video Colouring Colab notebook
   • Siga las instrucciones de la interfaz para ejecutar las celdas necesarias
   • Cargar archivos de vídeo en blanco y negro
   • Espera a que finalice el procesamiento y descarga el vídeo después de colorearlo.

2. Instalación y uso local

Si necesitas ejecutar DeOldify en tu ordenador local, sigue estos pasos:

Requisitos medioambientales:

• Sistema operativo: Ubuntu 18.04 o 16.04 (no compatible con Windows)
• Requisitos de la tarjeta gráfica:
  • Sólo para colorear: tarjetas gráficas con más de 4 GB de memoria de vídeo
  • Requisitos para entrenar el modelo: se recomienda una tarjeta gráfica con más de 11 GB de memoria de vídeo.

Pasos de la instalación:

1. Clona el código del proyecto:

git clone https://github.com/jantic/DeOldify.git DeOldify
cd DeOldify

2. Crea un entorno conda:

conda env create -f environment.yml

3. Active el entorno e inicie Jupyter Lab:

source activate deoldify
jupyter lab

4. Descargue el modelo preentrenado:

• Visite el enlace de descarga del modelo proporcionado por el proyecto
• Descargar el archivo de pesos del modelo necesario
• Coloque los archivos descargados en el directorio /models/ del proyecto

3. Recomendaciones de uso

1. Elige el modelo adecuado:
   • Para fotografías artísticas: utilice el modelo Artístico para obtener efectos de color más intensos.
   • Para retratos y paisajes: ¡se recomienda el modelo Stable!
   • Para el tratamiento de vídeo: asegúrese de utilizar el modelo Vídeo para garantizar la estabilidad de la imagen.
2. Conocimientos de tratamiento de imágenes:
   • Proporcione imágenes en blanco y negro de mejor calidad para obtener mejores resultados de coloreado.
   • El parámetro render_factor puede ajustarse para equilibrar el efecto y la velocidad de procesamiento.
   • Para fotos importantes se recomienda probar diferentes modelos para obtener efectos contrastados
3. Advertencias:
   • Asegúrate de que dispones de suficientes recursos informáticos cuando trabajes con archivos de gran tamaño.
   • El procesamiento de vídeo puede llevar mucho tiempo, ¡tenga paciencia!
   • Se recomienda procesar un pequeño número de muestras para las pruebas antes de procesar los lotes