Bringing Old Photos Back to Life 老照片修复预训练模型下载与配置终极指南 📸

Bringing Old Photos Back to Life 是一个基于深度学习的AI老照片修复项目，由微软研究院开发，能够将褪色、破损的老照片恢复到崭新的状态。本文将为您提供完整的预训练模型下载与配置教程。

🎯 项目概述与核心功能

Bringing Old Photos Back to Life 使用先进的计算机视觉技术，通过三个主要模块实现老照片修复：

• 划痕检测模块：自动识别照片中的物理损伤
• 全局修复模块：处理结构化退化和非结构化退化
• 人脸增强模块：专门优化照片中的人脸区域

老照片修复前后的惊人对比效果

🔧 环境准备与依赖安装

在开始下载预训练模型之前，需要先配置好基础环境：

# 安装必要的Python依赖
pip install torch torchvision dlib scikit-image easydict PyYAML
pip install dominate>=2.3.1 dill tensorboardX scipy opencv-python
pip install einops PySimpleGUI matplotlib

确保您的系统满足以下要求：

• Ubuntu 系统（推荐）
• NVIDIA GPU 和 CUDA
• Python >= 3.6

📥 预训练模型下载步骤

1. 克隆项目仓库

首先需要获取项目代码：

git clone https://gitcode.com/gh_mirrors/br/Bringing-Old-Photos-Back-to-Life
cd Bringing-Old-Photos-Back-to-Life

2. 下载同步批归一化模块

项目需要 Synchronized-BatchNorm-PyTorch 模块：

# 为人脸增强模块配置
cd Face_Enhancement/models/networks/
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .
cd ../../../

# 为全局修复模块配置
cd Global/detection_models
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch
cp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .
cd ../../

3. 下载人脸关键点检测模型

cd Face_Detection/
wget http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
bzip2 -d shape_predictor_68_face_landmarks.dat.bz2
cd ../

4. 下载核心预训练模型

现在下载最重要的预训练权重文件：

# 下载人脸增强预训练模型
cd Face_Enhancement/
wget https://facevc.blob.core.windows.net/zhanbo/old_photo/pretrain/Face_Enhancement/checkpoints.zip
unzip checkpoints.zip
cd ../

# 下载全局修复预训练模型
cd Global/
wget https://facevc.blob.core.windows.net/zhanbo/old_photo/pretrain/Global/checkpoints.zip
unzip checkpoints.zip
cd ../

老照片修复的整体技术流程

🚀 快速验证安装

完成所有下载后，可以使用测试图像验证安装是否成功：

# 测试无划痕照片修复
python run.py --input_folder test_images/old/ \
              --output_folder output/ \
              --GPU 0

# 测试有划痕照片修复
python run.py --input_folder test_images/old_w_scratch/ \
              --output_folder output/ \
              --GPU 0 \
              --with_scratch

📁 项目文件结构说明

了解项目结构有助于更好地使用：

Bringing-Old-Photos-Back-to-Life/
├── Face_Detection/          # 人脸检测模块
├── Face_Enhancement/        # 人脸增强模块
│   └── checkpoints/         # 人脸预训练模型
├── Global/                  # 全局修复模块
│   └── checkpoints/         # 全局预训练模型
├── test_images/             # 测试图像
└── run.py                   # 主运行脚本

全局修复模块的处理效果展示

💡 使用技巧与最佳实践

高清图像处理

对于高分辨率的老照片，可以使用 --HR 参数：

python run.py --input_folder [高分辨率图片文件夹] \
              --output_folder [输出路径] \
              --GPU 0 \
              --with_scratch \
              --HR

图形界面使用

项目还提供了友好的GUI界面：

python GUI.py

通过图形界面可以更方便地选择图片和查看修复效果。

图形用户界面让操作更加直观简单

⚠️ 常见问题解决

1. 内存不足错误：尝试使用较小的批次大小或降低图像分辨率
2. 模型下载失败：检查网络连接，或尝试使用代理
3. CUDA错误：确保安装了正确版本的CUDA和cuDNN

🎉 开始修复您的珍贵老照片

现在您已经成功下载并配置了所有预训练模型，可以开始修复您的老照片了！将您想要修复的照片放入 test_images/old/ 或 test_images/old_w_scratch/ 文件夹中，然后运行相应的命令即可。

这个强大的AI工具能够帮助您保存和恢复珍贵的家庭记忆，让褪色的老照片重新焕发生机！📷✨