清朝人如何变戏法？带你来看AI修复的1904年老电影（滑稽慎入）

清朝人如何变戏法？

变的都是些什么？

近日，AI修复上色了一部1904年拍的中国人变戏法的百年老电影。

来看看老电影里的中国戏法是怎么变的。

首先，一位“中国”戏法师举着油纸伞扇着扇子、迈着轻快的小步快速登场，晃悠好几圈之后开始“施法”，biu，一张凳子，biu，又变出一张凳子。

接下来，收伞扔一边，捡起登台时掉地上的扇子，biu，舞两下又变出一把油纸伞。

下面，邪门的要来了：

只见戏法师小伞一挥，两灯笼变金毛！抱着大金毛摸两下，狗子立马变女人！还是穿着和服的“日本女人”……

这给戏法师忙活的。

后来他又搞了两个纸箱子，变两个人交换位置的戏码，动图就不贴了，感觉越来越有西方魔术那味了。

另外，纸箱上面的字，是模仿的中国字吗？我怎么一个都不认识。

外国人模仿中国戏法的魔幻电影

一路看下来，是不是觉得这戏法变的，滑稽中带着一点怪里怪气？

清朝/古代中国人是这么变戏法的吗？

难道不应该表演一段吞剑、三仙归洞、仙人摘豆、……吗？

事情这样的，这部电影叫《清朝，中国魔法师》（Le thaumaturge chinois ），是法国明星电影公司老板乔治.梅里爱拍的。

剧中都是外国人模仿中国戏法，而且不是真的变魔术，是魔幻电影，用的“停机再拍”手法。

所以大家看得才这么奇怪：

一开始登场的魔术师的造型就看着很别扭，留着长辫子，穿的服装却有点不像汉服，而大变活人变出来的女人穿着和发型打扮可以说就是相当日式了。

整个就是一“满日”结合。

说明当时的外国人对中国乃至东方的认知还是模糊的。

布景细看也奇怪，那栋牌楼看着像中国风，上面印着却只是看着像方块字的竖牌匾，后面的桥就更奇怪了。

日本明治风吗？

魔术师手里的油纸伞感觉也不太像样。

好在原版电影的配乐还有点中国味。

给大家截取一个原版片段：

别的不说，AI修复过后的视频确实看起来舒服了很多，画面噪音都没了。

AI修复让老片变流畅、清晰、有颜色

近几年来，AI修复上色老影像层出不穷，比如此前大火的修复古董纪录片还原20年代的老北京生活、修复上海民国名媛时装展影像、《我的祖国》MV变4K高清彩色等。

他们用到的技术都差不多。

一般修复老影像工作包括插帧、提升分辨率、上色这三个步骤。

插帧是为了让老片的帧数至少达到24fps（人眼看视频不卡顿的下限），画面看起来才能连贯、流畅。

通过分析相邻两帧的差异和运动轨迹来产生中间帧。

先进的算法比如英伟达开源的Super SloMo，从30fps插帧到240fps，即使放慢8倍也不会感到卡顿。

而上海交通大学开源的DAIN算法，比英伟达的效果更清晰、帧率更高，可以把30fps进一步插帧到480fps。

提升分辨率就是对图片降噪去颗粒，增加像素细节，让看起来像打了马赛克的画面变清晰。

用的是超分辨率（Super-Resolution，SR）技术，传统的超分辨率分成以下三方面：基于插值、基于重建、基于学习（非深度学习）。

基于插值的方法很常用，和上面说的插帧想法类似，估计每个新像素要显示什么内容，需要基于它们周边的像素。常见以下三种：

1、最临近插值法：简单但效果一般，利用与其最近邻相同的颜色填充空白像素。但结果是一个锯齿状、明显像素化的图像。
2、双线性插值法：基于最近的两个像素来分析空白像素，并在它们之间生成一个梯度，图像会清晰不少。
3、双三次插值法：会对其16个最近邻像素进行采样，着色变得精确，但仍然存在图像模糊的问题。

可结合双线性插值和双三次插值使用。

除了上面三种基于插值、重建和学习（非深度学习），还有基于深度学习的超分辨率技术，如SRCNN、EDSR等。

提高了老影像的流畅度和清晰度，就差上色了。

上色需要利用神经网络，训练一堆彩色照片，将它们转换成黑色和白色，然后对我们要操作的行图像进行分割和识别，然后找到黑白图像中灰度与色彩的对应联系就能着色。

最好用的上色模型就是Facebook开源的DeOldify了，用的是NoGAN的技术，这是一种基于GAN的训练方法，但细节处理效果更好，渲染也更逼真。

各种老影像资料和电影都是人类共同的财产，修复它们可以让更多的人愿意重温经典、回顾历史。

使用AI修复上色老影片肯定是比人类快，有时人类修复师需好几个人人花两三周完成的电影，AI最快只需12小时。

它可以批量完成去噪、去模糊、去划痕、去闪烁等一系列工作，而随着AI修复的越来越多，背后的算法也能不断学习和改正，效果会越来越好。

但是AI的局限性必然也有，它可能把抗美援朝志愿军战士们穿的黄绿色军装上色为青色或者一味追求现代质感等，所以需要人类修复师的历史知识和审美能力来把关细节。

AI历史影像馆

本次介绍的修复视频来自B站up主AI历史影像馆：

该账号快1万个粉丝，从2020年8月以来一共发布快300多个AI修复视频，从上世纪初到80年代，从广州到吉林，从国家大事到老百姓日常生活，贡献了很多修复后的宝贵历史影像资料。