编者按：本文来自微信大众号“量子位”（ID:QbitAI），作者 十三，36氪经授权发布。
百年前的北京是什么姿态？
最近，一位叫大谷Spitzer的微博网友，便使用AI技能，将人民日报4年前发布的1920年北京是非印象材料，做了修正作业：完结了上色、修正帧率、扩展分辨率等进程。
如此作业满意了大批网友的好奇心，视频一经发布便得到了很多的重视：共享超越12万次、谈论3万+、点赞5万+。
有网友谈论到：
视频里人怎样也幻想不到，一百年后会有一个人躺在床上拿着一个奇特的物品能够观察到他们其时的一举一动吧。科学和巫术公然便是一线之隔。
还有网友赞叹道：
Wow~ 一百年前的vlog。
不是概念的，微观的，文字的，被描绘的，被审视的。彻底打破我的含糊幻想，被触动了。
当然，还有慨叹二环不堵了的……
话不多说，一起来体会下吧。
韶光游览，体会100年前的北京日子
1920年的北京，入城出城的“客流”还算较多，有骑马的、有坐轿子的、有坐黄包车的，当然多数人仍是步行。
而在城内集市中，也是人山人海，好不热烈。当然，在那个时代，人们应该是对录影设备感到十分别致了，图中的小哥停步了好久，痴痴的看着镜头。
路旁边街头的小吃生意也是不错(看完想来一屉小笼包了……)。
寺庙里烧香拜佛的人们川流不息，其时的香火可比现在要鼎盛啊。
但仔细的网友也发现：除了寺庙，在大街上很少看见女性。
再来到巷子里的百姓日子：小孩买了吃的蹲坐在他人家门口，然后被赶走了……
还有熟人碰头鞠躬打招呼的场景。
能够正常的看到男女打招呼的办法仍是有些差异。网友对此还戏弄道：萝卜蹲？
还有网友表明：真是百年剧变，没想到一百年前这么懂礼节。
当然，还有网友表明：100年了，狗狗长得仍是相同的……
最终，让咱们一起来俯视百年前的北京城。
AI修正百年古玩老电影
尽管博主大谷Spitzer没有介绍详细选用了哪些AI技能，但其实修正老电影的作业也有许多。
本年2月，咱们报导了国外网友Denis Shiryaev使用一种增强程序(Gigapixel AI)，将1896年的古玩电影《火车进站》，改变成了4K 60fps高清“大电影”。
在修正帧率方面，首要选用的技能是AI插值。
据Shiryaev介绍，他选用的是一种叫做Gigapixel AI的商业图画编辑软件(付费)。这款软件由Topaz实验室发明，能够让图画的质量提高600%。
它使用一种专有的插值算法，对图画做剖析、辨认其细节和结构，最终将额定的“信息”填充到图画中。
这个作业量是什么概念？
一般的高清是1920×1080，总像素为2073600，而4K高清是3840x2160，总像素是8294400。
也便是说，光是要把一般高清提高到4K高清，就需求额定填充600万个像素。
不仅如此，还需求弄清楚怎么显现这些额定的像素，这便是插值进程的用武之地。
插值估量每个新像素要显现什么内容，这样的一个进程是根据它们周边的像素。关于这一点，有许多办法能够来衡量。
最近邻(Nearest Neighbor)办法，会简略地用与其最近邻相同的色彩填充空白像素。它尽管简略而有用，但结果是一个锯齿状、显着像素化的图画。
双线性插值 (Bilinear Interpolation)办法需求更多的处理才能，但它根据最近的两个像从来剖析空白像素，并在它们之间生成一个梯度，这会让图画变得更明晰。
而双三次插值(Bicubic Interpolation)会对其16个最近邻像素进行了采样，这样就会让上色变得准确，但仍然存在图画含糊的问题。
经过结合双线性插值和双三次插值，就能够生成光学质量丢失最小的扩大图画。
而这一进程，Gigapixel AI使用深度卷积神经网络来完结。
处理了像素低的问题，还需求处理视频卡顿问题。
Gigapixel AI在关键帧之间进行“想像”之后，把这些想像出来的帧插进去。
而它刺进的帧数多到能够让视频速率提高到60 FPS。
这便是古玩电影也能变得如此明晰、流通的原因。
至于上色作业，同样是使用神经网络，从一堆五颜六色照片开端，将它们转换成黑色和白色，然后再重建五颜六色原图。
奉上完好视频，你想穿越吗？
最终，咱们奉上大谷Spitzer的完好视频，里边还在各个场景中配上了背景音乐。
如此的场景，令不少网友想起老舍先生《想北平》中的一段话：
我所爱的北平不是枝枝节节的一些什么，而是整个儿与我的心灵相黏合的一段前史，一大块当地，多少风景名胜，从雨后什刹海的蜻蜓一向到我梦里的玉泉山的塔影，都积凑到一块，每一小的事情中有个我，我的每一怀念中有个北平，这只有说不出罢了。
那么，在看到百年前绘声绘色的日子状况，你会有想穿越回去的激动吗？
快来谈论区写下你的感触吧~
参阅链接：
https://weibo.com/2395607675/J0ZsQnP6a?filter=hot&root_comment_id=4502616270201172&type=comment
https://arstechnica.com/science/2020/02/someone-used-neural-networks-to-upscale-a-famous-1896-video-to-4k-quality/
