Bringing Old Photos Back to Life

香港城市大学和微软亚洲研究院的“让老照片重现光彩”（Bringing Old Photos Back to Life）项目侧重于对老照片进行划痕修复和人脸效果增强，在老照片处理方面取得了很好的成绩，在这篇文章里我们介绍一下这个项目。

论文地址：https://arxiv.org/abs/2004.09484

Github项目：https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life

1.必备环境（Windows 10，显卡可有可无，GPU可设置0，CPU设置-1）

python 3.7.4
torch 1.5.0
torchvision 0.6.0

1.1从 Github 下载源代码，解压缩，进入工作目录，安装其他软件环境：

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

pip install -r requirements.txt

1.2下载组件

（1.2.1）https://github.com/vacancy/Synchronized-BatchNorm-PyTorch

将上面项目的代码下载下来，解压缩，将 .\sync_batchnorm 拷贝到：.\Global\detection_models 和 .\Face_Enhancement\models\networks 两个目录下。

（1.2.2）http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2

将下载的压缩包解压缩，拷贝到：.\Face_Detection 下。

该文件也可到百度网盘下载：https://pan.baidu.com/s/1E0J0gOlTcrjWkA5G1qddPw 提取码:qm3h

2.下载预训练模型
可以到百度网盘下载：https://pan.baidu.com/s/1T2tEqUsi4QRwBSbPNNLWPQ 提取码：fdgx

将 .\Face_Enhancement\checkpoints.zip （327MB）解压缩，保存为：.\Face_Enhancement\checkpoints 目录及相关文件

将 .\Global\checkpoints.zip （1.62GB）解压缩，保存为：.\Global\checkpoints 目录及相关文件。

3.修改几个文件

run.py，加入一行代码：

os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"

.\global\detection_models\networks.py，修改：

from .sync_batchnorm.replicate import DataParallelWithCallback
from .antialiasing import Downsample

.\Face_Enhancement\models\networks\normalization.py，修改：

from .sync_batchnorm import SynchronizedBatchNorm2d

3.1将待修复的带划痕/有破损的老照片放到：.\test_images\old_w_scratch 目录下，将不带划痕需要改进色彩或清晰度的老照片放到：.\test_images\old 目录下，运行以下命令行（命令行中需要使用绝对目录！）：
注:GPU可设置为0或0、1、2或0、2; CPU使用-1

修复带划痕/有破损的老照片（使用 RTX 2080Ti 最大可修复 512x512 的照片）：

python run.py --input_folder D:\pycharm\Bringing-Old-Photos-Back-to-Life-master\test_images\old_w_scratch --output_folder D:\pycharm\Bringing-Old-Photos-Back-to-Life-master\output_images --GPU -1  --with_scratch

改进老照片的色彩或清晰度（使用 RTX 2080Ti 最大可改善 1024x1024 的照片）：

python run.py --input_folder D:\pycharm\Bringing-Old-Photos-Back-to-Life-master\test_images\old --output_folder D:\pycharm\Bringing-Old-Photos-Back-to-Life-master\output_images --GPU -1

3.2为了避免成果照片混淆，在完成上一次修复/改进操作后，将成果照片（放在：.\output_images\final_output 目录下）移走后请将 .\output_images 下的子目录清空，然后再进行下一次操作。

4使用效果

4.1老照片修复

论文给出的例子：