油管上一位Up主，修復歷史視頻上了癮。目前，他已經利用AI技術修復了百年前的紐約、東京等地的街頭視頻。繼上次感受百年前老北京街景之後，讓我們穿越到百年前的東京、紐約街頭看看吧！

同一時期，全球其它城市又是什麼模樣？一位來自俄羅斯的工程師Denis Shiryaev（丹尼斯·謝里亞耶夫），用AI 技術修復了多部老視頻，也在YouTube 上火了一把。

從1896 年的莫斯科，到1911 年的紐約，再到1913 年的東京，Denis 讓網民們感受到了百年前，這些城市的風情。

修復《火車進站》一戰成名

今年2 月，Denis Shiryaev 在YouTube 上傳了一段用AI 技術修復的人類史上第一部電影——《火車進站》。

讓他意外的是，這段視頻一夜走紅，截至目前這段修復電影已達到400 多萬次的播放量。

https://tv.sohu.com/s/sohuplayer/iplay.html?bid=210922132

修復後的彩色有聲版《火車進站》

125年後，原本僅僅50秒的無聲黑白電影，被Denis利用AI技術加上了色彩，並將其升級為4K、60 fps畫質的高清版本，讓現在的我們，得以看到更加真實的歷史畫面。

紐約、東京、莫斯科視頻修復：給網友交作業

在第一次的修復作品獲得巨大反響之後，Denis 應廣大網友請求，接著又修復了多段老視頻，帶大家感受百年前的莫斯科、紐約和東京。

中圖為Denis Shiryaev

1896 莫斯科：熱鬧的商業街頭

Denis 的AI 時光機，首先選擇了1896 年的莫斯科，這座城市於1147 年沿莫斯科河而建，至今已有近900 年曆史。

19 世紀末的俄羅斯，剛剛完成工業革命，各類工業和貿易的企業已達兩萬多個，工人人數達到了12 萬。

https://tv.sohu.com/s/sohuplayer/iplay.html?bid=210922075

特維爾大街，至今仍是莫斯科最繁華的商業、娛樂中心

視頻中所記錄的正是莫斯科的特維爾大街，商舖林立，馬車、警察、商人熙熙攘攘。

沿著這條街步行不到2 公里，即可到達當時的沙皇住所，也是現在俄羅斯的總統府—— 著名的克林姆林宮。

1911 紐約：歐洲移民的美國夢

Denis 還選擇了1911 年紐約市的一段著名視頻，進行了修復。

這段時長8 分35 秒的視頻，把人們帶回到1911 年，當時的美國，正處於快速城市化時期，第二次工業革命在美國創造了大量就業機會。

https://tv.sohu.com/s/sohuplayer/iplay.html?bid=210922418

原片由瑞典某公司拍攝，名為《紐約之旅》，由現代藝術博物館於2018 年公開

19 世紀末20 世紀初，大批因社會停滯而陷入失業的歐洲人，選擇遠渡重洋去追尋“美國夢”。

來自歐洲的移民潮達到高峰。其中最著名的就是1912 年4 月，從英國出發的泰坦尼克號。

在《紐約之旅》的開頭中，也是一艘遊輪緩緩駛向高樓林立，車水馬龍，繁華熱鬧的紐約。

1913-1915 東京：明治維新後的穩定繁榮

這段原素材，由外國攝影師在1913 年至1915 年間的日本東京拍攝，拍攝期間，第一次世界大戰（1914-18 年）剛剛拉開序幕。

而此時的日本，經過明治維新後的數十年平穩發展，正是一片盛世。東京的人口恢復到明治維新前的最高水平，超過200 萬人。

https://tv.sohu.com/s/sohuplayer/iplay.html?bid=210922874

網友評論：那時候人們盯著攝像頭

就像它是一個外形探測器一樣

街頭上身著西服的日本老師，頭戴禮帽的路人，無不體現著當時的日本，正經歷著西方文化與東方文化交融的變革時刻。

能夠實現這些結果，Denis Shiryaev 謙虛地表示，都要歸功於DAIN、ESRGAN、DeOldify 等AI 技術。通過這些技術，任何人都可以做到。

老視頻修復三步套路：提升畫質、插幀、上色

提升畫質利器：Gigapixel AI

據Denis 介紹，他首先使用了Topaz Labs 開發的商業圖像編輯軟件Gigapixel AI，將原本分辨率極低的視頻，按比例放大600%，提升為4K 畫質。

Gigapixel AI 的工作原理類似於ESRGAN（一種超分辨率復原技術），利用其專有的插值算法（interpolation algorithm），可以分析圖像並識別細節和結構，進一步“完成”圖像。

為了避免放大後的圖像模糊，該軟件利用深度卷積神經網絡技術，分析了數百萬張成對的圖像，了解圖像中的細節如何丟失，然後在新圖像中將細節填充進去。

該軟件已支持常見的視頻格式無損放大

補幀模型：DAIN

接著，Denis 使用深度感知視頻幀插值模型DAIN，在現有視頻片段的關鍵幀之間，靠模型的“想像”創建並插入視頻里以前並不存在的幀，以此將視頻的幀率增加到60 幀每秒。

DAIN（Depth-Aware Video Frame Interpolation）是上海交通大學一位博士生包文博開發的插幀算法，該算法可以從把30 幀的視頻“腦補”成480 幀，讓視頻更流暢。

將30 fps 視頻補幀到60 fps 後的效果對比

上色：DeOldify

在上色環節，作者使用了DeOldify，該技術的開發者目的就是為舊照片著色。其原理是使用NoGAN 技術，它結合了GAN 訓練的優點，比如出色的上色效果，同時也消除了一些副作用，比如畫面著色不穩定、閃爍的現象。

項目作者給出的上色示例，原照片拍攝於1890 年代後期

最後，對於早期的一些無聲視頻，Denis 還為其加上了一些和視頻相對應的音效素材，讓整體的視聽效果更為真實。

Denis 表示，自己熱愛機器學習技術領域，修復古老視頻只是他對這種技術應用的結果展示。他會繼續在GitHub 上尋找此類技術，並在博客持續分享自己的學習結果。

1988 年出生的Denis 經常在Instagram 上曬一些旅行照

看來是一位熱愛技術也熱愛生活的小哥哥