DeOldify : l'outil open source classique pour coloriser les photos et vidéos en noir et blanc à l'aide de techniques d'IA

Introduction générale

DeOldify est un projet open-source basé sur une technologie d'apprentissage profond pour la colorisation et la restauration intelligentes de photos et de vidéos en noir et blanc. DeOldify propose trois modèles pré-entraînés différents : le modèle Artistic se concentre sur la génération d'effets d'image artistiques et détaillés, le modèle Stable est mieux adapté aux portraits et aux paysages naturels, et le modèle Video est spécialement optimisé pour la vidéo afin de garantir la stabilité de l'image. Le modèle vidéo est optimisé pour la vidéo afin de garantir la stabilité de l'image. Le projet est entièrement open source et peut être utilisé via Google Colab, le déploiement local et d'autres moyens, ce qui permet à tout un chacun de redonner vie à de précieuses photos et images historiques.

Recommandé :CodeFormer : restauration d'images et de vidéos, restauration de vieilles photos, offre une version de déploiement en un clic

Expérience gratuite : https://deoldify.ai/

Liste des fonctions

• Prise en charge de la coloration automatique intelligente des photos en noir et blanc
• Permet une colorisation cohérente et stable des vidéos en noir et blanc
• Fournit trois modèles de préformation professionnelle pour répondre aux besoins des différents scénarios d'application
  • Modèles artistiques : pour des effets de coloration d'image de la plus haute qualité
  • Modèle stable : optimisation du traitement des portraits et des paysages
  • Modèle vidéo : assure la fluidité et la stabilité de la coloration vidéo
• Prise en charge de l'utilisation en ligne via Google Colab sans déploiement local
• Fournir une solution complète d'installation et de déploiement local
• Support pour l'utilisation interactive via Jupyter Notebook
• Ouvrir le fichier des poids du modèle de pré-entraînement pour le télécharger et l'utiliser

Utiliser l'aide

1. accès en ligne (recommandé)

La façon la plus simple de l'utiliser est en ligne via Google Colab :

1. Coloriage d'images :
   • Access DeOldify image colouring Colab notebook
   • Cliquez sur le bouton "Exécuter
   • Téléchargez vos photos en noir et blanc
   • Sélection du modèle de coloration approprié (artistique ou stable)
   • Attendre la fin du traitement et télécharger les résultats
2. Coloriage vidéo :
   • Visitez le carnet de coloriage vidéo de DeOldify
   • Suivez les instructions de l'interface pour exécuter les cellules requises.
   • Télécharger des fichiers vidéo en noir et blanc
   • Attendez que le traitement soit terminé et téléchargez la vidéo après l'avoir coloriée.

2. l'installation locale et l'utilisation

Si vous devez exécuter DeOldify sur votre ordinateur local, procédez comme suit :

Exigences environnementales :

• Système d'exploitation : Ubuntu 18.04 ou 16.04 (Windows non pris en charge)
• Carte graphique requise :
  • Coloration uniquement : cartes graphiques avec plus de 4 Go de mémoire vidéo
  • Nécessaire pour entraîner le modèle : une carte graphique avec plus de 11 Go de mémoire vidéo est recommandée.

Étapes de l'installation :

1. Cloner le code du projet :

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

2. Créer un environnement conda :

conda env create -f environment.yml

3. Activez l'environnement et démarrez Jupyter Lab :

source activate deoldify
jupyter lab

4. Télécharger le modèle pré-entraîné :

• Visitez le lien de téléchargement du modèle fourni par le projet
• Télécharger le fichier de poids du modèle requis
• Placer les fichiers téléchargés dans le répertoire /models/ du projet.

3) Recommandations d'utilisation

1. Choisir le bon modèle :
   • Pour les photographies artistiques : utilisez le modèle artistique pour des effets de couleur plus riches.
   • Pour les portraits et les paysages : le modèle Stable est recommandé !
   • Pour le traitement vidéo : utilisez toujours les modèles vidéo pour garantir la stabilité de l'image.
2. Compétences en traitement d'images :
   • Fournir des images en noir et blanc de meilleure qualité pour de meilleurs résultats de coloriage.
   • Le paramètre render_factor peut être ajusté pour équilibrer l'effet de traitement et la vitesse.
   • Pour les photos importantes, il est recommandé d'essayer différents modèles pour obtenir des effets contrastés.
3. Mises en garde :
   • Assurez-vous de disposer de ressources informatiques suffisantes lorsque vous travaillez avec des fichiers volumineux.
   • Le traitement des vidéos peut prendre du temps, soyez patient !
   • Il est recommandé de traiter un petit nombre d'échantillons pour les tester avant de procéder au traitement par lots.