摘要：周末閑來無事，隨手整理電腦里的照片，望著一張物是人非的老相片，勾起了斑駁的回憶。忽爾轉念一想，何不下，但有些大且不免費自己懶得裝，于是，轉向免費的圖像復原軟件。參考資料照片修復使用原文鏈接專注于機器視覺編程

? ? 周末閑來無事，隨手整理電腦里的照片，望著一張物是人非的老相片，勾起了斑駁的回憶。忽爾轉念一想，何不 PS 下，但 Photoshop 有些大且不免費自己懶得裝，于是，轉向免費的圖像復原軟件。

? ? 網上搜來找去，卻一直沒尋到合適的，最后查到 CVPR 2020 的一篇 Oral 論文，看到有的博客已經詳細介紹過了，恰好作者也開放了源碼，于是，一時興起，拍腦門決定，就拿這個來復原老相片吧。

? ? 結果，忙活了半個晚上 (主要是用手機熱點，時間浪費在了下載速度上) 加一個上午 (踩了很多第三方庫安裝、python 向低版本重裝的坑)，終于成功復原圖像，遂寫下此博文，以免后來者重復踩坑 ... ...

?

1? CVPR 會議

? ? CVPR 全稱 IEEE Conference on Computer Vsion and Pattern Recongniton，是計算機視覺的三大頂會之一 (另兩個是 ICCV 和 ECCV)，由 IEEE 每年舉辦一次

? ? 2021年，按照 Google Scholar Metrics 排名，CVPR 已經擠掉了《柳葉刀》，成為全球影響力排名第四的頂級期刊會議，排在前面的有 《Nature》和《Science》

? ? ?

?

?2? Oral 論文

? ? 2020年的 CVPR 會議中，有效投稿 6656 篇論文，1470 篇被錄用，接收率約 22%，其中 335 篇選中 Oral，比率約 5%

? ? 這篇《Bringing Old Photos Back to Life》屬于 Oral 論文，含金量可見一斑，論文鏈接：https://arxiv.org/pdf/2004.09484.pdf

? ? 論文的內容不再贅述，請讀者自行閱讀，摘錄論文實現的效果圖，如下：

? ? ???

? ? 源碼作者已經開放，GitHub 鏈接：https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life

?

3? 實踐步驟

3.1? 測試環境

? ? Win 64 中使用 PoweShell 終端，已安裝 Python 3.9.9，安裝過程中勾選下圖 pip 選項：

? ? ??

? ? 可在 PowerShell 中輸入 py --version，查看安裝的 Python 版本?

3.2? 源碼和模型

3.2.1? 源碼? ??

? ? 如有 git 可用 git clone 命令，如下

git clone https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life.git　

? ? 也可直接下載鏈接中的 Source code：https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases

? ? ??

? ? 如果下載速度較慢的話，可先點擊下載，然后復制鏈接到迅雷下載，能顯著提高下載速度

3.2.2? 模型

? ? 1)? 下載 face_landmark 預訓練模型，解壓后放在 Face_Detection 目錄下

cd Face_Detection/wget http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2bzip2 -d shape_predictor_68_face_landmarks.dat.bz2cd ../

? ? 2)? 下載 face_checkpoints 模型，解壓后置于 Face_Enhancement 目錄下

cd Face_Enhancement/wget https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases/download/v1.0/face_checkpoints.zipunzip face_checkpoints.zipcd ../　　

? ? 3)? 下載 global_checkpoints 模型，解壓后置于 Global 目錄下

cd Global/wget https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases/download/v1.0/global_checkpoints.zipunzip global_checkpoints.zipcd ../

? ? 2) 和 3) 也可以通過 3.2.1 中的鏈接下載，解壓后分別置于對應目錄中

3.2.3? sync_batchnorm

? ? 下載?Synchronized-BatchNorm-PyTorch，將子文件夾 sync_batchnorm，拷貝到 Face_Enhancement/models/networks/ 目錄下

cd Face_Enhancement/models/networks/git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorchcp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .cd ../../../

? ? 相同的 sync_batchnorm 文件夾，再拷貝到 Global/detection_models/ 目錄下

cd Global/detection_modelsgit clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch  # no need doing git clone once againcp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .cd ../../　

3.3??依賴庫

3.3.1? 第三方庫

? ? 可直接使用 pip 和 requirements.txt，一鍵下載全部依賴庫

pip install -r requirements.txt

　requirements.txt 中的所有依賴庫如下：其中，torch, torchvision 和 dlib 稍稍復雜，可放在后面多帶帶安裝

torchtorchvisiondlibscikit-imageeasydictPyYAMLdominate>=2.3.1dilltensorboardXscipyopencv-pythoneinopsPySimpleGUI

3.3.2? Torch 和 Torchvision　　

? ? Torch, Torchvision 和 Python，三者版本是有一定的對應關系，需要多帶帶安裝，關系圖參考：https://github.com/pytorch/vision

? ? ??

? ? 第一種方法，用 pip install torch==1.8.1 和 pip install torchvision==0.9.2 進行安裝，但在 PowerShell 中，有時會因網絡不穩定導致安裝不成功

? ? 第二種方法，提前下載好對應的 .whl 版本，下載鏈接：https://download.pytorch.org/whl/torch_stable.html，然后，分別執行如下命令? ??

pip install  torch-1.8.1+cpu-cp39-cp39-win_amd64.whlpip install  torchvision-0.9.1+cpu-cp39-cp39-win_amd64.whl

? ? 安裝成功后，可用如下命令查看版本? ??

import torchprint(torch.__version__)

? ? 查看到的版本是 torch 1.8.1+cpu 和 torchvision 0.9.1+cpu

3.3.3? dlib

? ? 直接使用 pip install dib，安裝并不成功，建議先下載 .whl 文件，再通過 pip 來安裝，下載鏈接：https://github.com/sachadee/Dlib? ??

pip install dlib-19.22.99-cp39-cp39-win_amd64.whl

3.4? 執行效果

? ? 此處使用普通電腦測試，沒有 GPU，所以 "--GPU" 設為 “-1”

? ? 1)? 對于帶有劃痕的照片，加選項 “--with_scratch”?

? ? 2)? 對于高分辨率的照片，加選項 "--HR"

py run.py --input_folder ./test_images/old/ --output_folder ./output/ --GPU -1

? ? 翻拍的老相片，復原前后對比如下：尤其放大相片后，人臉的對比效果非常明顯

? ??? ??

?? ??

?4? 其它方法

? ? 閱讀一篇好的論文，顯然比在網上搜索更加有效，從文末的效果對比可知，主流的圖像復原方法有：DIP, CyleGAN, Sequential, Pix2Pix 和 Operation-wise Attention 等，也算是一個額外的收獲吧。

? ? ??

?

參考資料

? ??Bringing Old Photos Back to Life

? ? 照片修復-使用Bringing-Old-Photos-Back-to-Life

? ?