今天就跟大家聊聊有关AI 复原100年前的京城老视频靠的是哪三个开源工具，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
近日，一段拍摄于 100 年前的老北京城影像被央视转发，在微博上火了。据了解，该视频出自一位 B 站的 UP 主大谷的游戏创作小屋。作者大谷利用 AI 技术，把一段拍摄于 1920 年的北京城黑白视频，渲染成了高清流畅的彩色视频，配以颇具地方特色的 BGM，还原了百年前老北京城的民风民俗，颇有内味。
据大谷介绍，这部拍摄于百年前的黑白视频由于年代久远，视频画质有很多噪点，帧数、分辨率都很低。于是他使用了三款开源的 AI 工具来对视频进行处理，分别是：
DAIN，对视频进行补帧处理，提高视频流畅度
ESRGAN，对视频进行超分辨率处理，提高视频清晰度
DeOldify，对视频进行上色处理
下面就让我们来了解一下这三款视频修复常用的 AI 工具，感兴趣的朋友也可以学着用起来，自己处理老旧视频哦。
视频补帧工具 DAIN
帧数 （FPS）对于一部视频的流畅度来说影响很大，在正常播放速度下，低于 30 FPS 的视频会让人觉得卡顿，高于 60 FPS 的话肉眼则分辨不出区别。帧数越高的视频带来的流畅度一定是更高的，尤其是在慢镜头下，差别尤为明显：
上图来自另一 AI 补帧工具 SUPER SLOMO 的示例，将原片 30 FPS 的汽车甩尾镜头放慢 8 倍后，实际 FPS 不足 4 FPS，肉眼可见的卡顿。而通过 AI 补帧技术，能够将慢放后的视频维持在 240 FPS，流畅程度可见一斑。
通常来说，补帧的核心述求是在两个连续帧之间插入中间帧，从而提高视频的 FPS，而补帧工具需要解决的问题就是如何通过 AI 算法自动生成中间帧。DAIN 全称 Depth-Aware Video Frame Interpolation，即基于深度感知的视频帧插值工具。DAIN 团队提出了深度感知帧内插模型，开发了一个深度感知流投影层来生成中间帧。
测试环境
Ubuntu（Ubuntu=16.04.5 LTS ）
Python：Anaconda3=4.1.1 & Python=3.6.8
<李><强> Cuda和Cudnn :Cuda=9.0,, Cudnn=7.0,
<李><强> Pythorch :定制的深度感知流投影和其他层需要Pythorch中的阿托恩API=1.0.0
<李><强> GCC :编译PyTorch 1.0.0扩展文件(c/Ｍ?需要GCC=4.9.1和nvcc=9.0编译器
<李><强> GPU :NVIDIA GPU(作者使用的是泰坦X (Pascal)计算=6.1,支持compute_50/52/60/61设备)
<强>安装使用
下载资料库:
<>之前,美元git clone https://github.com/baowenbo/DAIN.git在构建Pytorch扩展之前,请确保您具有<代码> Pytorch祝辞=1.0.0 :
<>之前,美元python -c “import 手电筒;,打印(torch.__version__)“生成Pytorch扩展:
<>之前,美元cd 龙骑士达因 美元,cd my_package 以前,美元。/build.sh生成,PWCNet 所需的相关包:
<>之前,美元cd . ./PWCNet/correlation_package_pytorch2_0 美元。/构建。sh测试预训练模型:
制作模型权重目录和明德数据集目录:
<>之前,美元cd 龙骑士达因 美元,mkdir model_weights 美元,mkdir MiddleBurySet下载预训练的模型,
<>之前,美元cd model_weights 美元,wget http://vllab1.ucmerced.edu/~ wenbobao/龙骑士达因/best.pth和明德数据集:
<>之前,美元cd . ./MiddleBurySet 美元,wget http://vision.middlebury.edu/flow/data/comp/zip/other-color-allframes.zip 美元,unzip other-color-allframes.zip 美元,wget http://vision.middlebury.edu/flow/data/comp/zip/other-gt-interp.zip 美元,unzip other-gt-interp.zip 美元,cd …
