Pik-Fix：老照片修复与上色

修复与补全存在于老照片中但常受损的视觉记忆，仍是一个引人入胜但未解决的研究课题。数十年前的照片常遭受严重且混杂的退化，如裂纹、散焦与褪色，这些退化单独处理已属困难，在其相互作用时更难修复。深度学习提供了一条可行的途径，但缺乏大规模老照片数据集使得应对该修复任务极具挑战。在此，我们提出一种新颖的基于参考的端到端学习框架，能够同时修复并给老旧、退化的图片上色。我们提出的框架由三个模块组成：一个执行从退化中修复的修复子网络、一个进行颜色直方图匹配与颜色迁移的相似度网络，以及一个以彩色参考信号为条件学习预测图像色度元素的着色子网络。整个系统利用来自参考图像的颜色直方图先验，大幅降低了对大规模训练数据的需求。我们还创建了首个真实老照片的公开数据集，这些照片与由PhotoShop专家手动修复的“原始”照片真值配对。我们在该数据集与合成数据集上进行了大量实验，发现我们的方法在定性比较与定量度量上均显著优于先前的最先进（SOTA）模型。代码见 https://github.com/DerrickXuNu/Pik-Fix。