六一兒童節來了！
本來就恨歲月是把殺豬刀，怎么才轉眼就又要被提醒“老阿姨扮可愛要注意分寸感”？
其實六一的“殘忍”遠不止于此。最近看美劇《咆哮》，妮可基德曼瘋狂地吃著老照片，每一張被吞咽下去的照片只能投影出幾秒鐘真實而溫馨的童年回憶。
盡管在現實生活中我們沒有“吃掉照片”的這種謎之福利，但當我們在艱難的現實中不知不覺成長為“卑微的大人”時，用AI給童年影像上個色，或者讓小時候那個不開心的自己笑一個，還是很有樂趣的一件事。
特別是最近看了36氪發布的“重溫父輩的愛情，揭秘AI還原老照片背后的技術”節目，里面提及了AI著色和一鍵微笑技術，更讓我有了評測下市面上提供了此類服務的工具的想法。
至于選哪張照片評測，肯定要選經典的——
我錢包里一直夾著兩張照片，一張是我六七歲時的“車模照”；
另一張是我孩子六七歲時和我的合影。記得當天也是六一，我連哄帶騙，讓兒子答應了出街照相。但千算萬算，沒想相館旁邊竟然是家肯德基！直接導致老母親前腳還沒邁進照相館，小朋友已經急不可耐地吵著要去吃全家桶了。于是，他有了右圖這張茫然中帶著渴望，虛無中夾著枉然，無奈中略顯著急，想哭但是哭不出來的復雜表情：
一、AI媒體處理能力評測
1. AI著色能力比對
為客觀評估不同平臺的AI著色能力，我分別調用了HMS Core的視頻編輯服務（Video Editor Kit）和另外三款不同平臺的AI產品功能。
以下是華為及其它三個不同產品品牌的AI著色效果對比，我將從圖像的明度、飽和度、溫度、紋理、形狀和互補色等維度，比較四個不同產品平臺的AI著色效果：
AI著色效果對比
從上面兩組圖片的對比中，可以很直觀地看到：
品牌1的圖像整體顏色偏紅，明度高，尤其是人臉顏色飽和度過高，純度也較高，導致人像呈現出銳利感。
品牌2的圖像整體顏色飽和度偏低，色彩不純凈，發青，明度略高。人物氛圍呈清冷感。
品牌3的圖像，對小車顏色的還原度還不錯（接近真實感的淡黃色），但遠山的藍色及合影的背景顏色，飽和度均偏高。尤其是合影照的背景，已經呈現出明顯的色彩失真。
綜合來看，HMS Core的著色效果最為自然，色彩渲染柔和中性，更符合原片的事實邏輯，整體看還有一種樸素的復古照相館的“大片”感，我個人比較滿意這張的著色效果。
對于AI著色來說，著色的自然程度是用戶最大的痛點。究其原因，是因為AI著色任務對于數據集、模型結構和訓練方式幾個因素都非常敏感，哪怕是微小的差異都會導致著色結果大相徑庭。
受到數據集采集成本、模型結構和大小以及實際場景多樣性的影響，AI著色還處在初級階段，出現各式各樣的問題很正常，相反做到毫無違和感反而很難。以實際場景的多樣性為例，雖然“著色”這一生成類任務的數據集的規模已經很大了，但是仍然難以覆蓋所有的實際場景，包括輸入圖片的光線、角度、人像的膚色、五官外貌、成像設備的不同和差異，都會影響模型的精度和準確性。甚至還有部分困難場景，比如人的四肢和軀干被其他物體分隔開來，即使數據集做到了完全覆蓋，也會影響任務效果。
整體來看，HMS Core AI著色在解決上述問題方面表現得相當不錯。之所以能夠保證著色結果的準確性，是因為它在百萬級大規模數據集的基礎上，使用了多種損失函數（Loss Function）監督模型進行訓練。所謂損失函數，相當于給模型設置一個目標，為了達成目標，模型在訓練過程中會不斷修改自身權重。而多種損失函數，則意味著設定多個目標，比如著色要均勻和不能出現人臉偏紅等等，模型在訓練時會不斷調試自身權重，直至同時達成這幾個目標為止。最終，使著色效果更為自然。
2. “一鍵微笑”能力
要說每一位老母親的剛需，可能還得是華為HMS Core視頻編輯服務（Video Editor Kit）即將上線的AI“一鍵微笑”能力。眾所周知，一般老照片的寶寶畫風不是“不開心”就是呵呵噠尬笑。
又或者類似下圖這張“勉為其難”的親子照——無論旁邊的老母親怎么溫柔顧盼，寶寶本人一定是要保持高貴冷艷的：
所以要想得到一張溫馨的親子照，大多數家長有兩種方法，一是“逗”，二“P”。要么在照相館使出渾身解數逗孩子笑，要么回去拿出美圖APP一點點修圖，但是結果大都不盡人意，讓人心態崩壞。
所以對于老母親來說，“一鍵微笑”就顯得特別的貼心和友好。
簡單地說，“一鍵微笑”就是媒體圖像編輯，但是相對于其他任務來說，“一鍵微笑”要難度更大一些。
話不多說，先看一下四款不同產品的效果對比：
四款不同產品的“一鍵微笑”功能對比
在上文AI著色能力對比時，我其實內心只有少許波動，但是看到微笑編輯的對比后——
從上圖可以看到，四款產品的任務完成度確實有些參差不齊：
品牌1在雙人照片中只選中一人做了微笑處理，笑的幅度過大，且假笑感較強；
品牌2的微笑有明顯的編輯瑕疵，直觀上給人一種“笑得勉強”感，和品牌1一樣在自然度上得分略低；
品牌3不會基于原表情調整微笑的程度，只支持同一幅度的露上牙開口笑，對笑不出八顆牙的用戶顯然不是很友好。
但看到HMS Core的效果后，我心念一動，流下了滿足和喜悅的淚水。HMS Core的一鍵微笑讓我們倆無論是露齒笑還是抿嘴笑，都笑出了自然的弧度。
可以說，“微笑”是檢驗圖像編輯能力的一道測試題，“微笑”搞不好就很容易四不像，把效果變成“笑”果。
無論是圖像風格轉換還是圖像編輯，都要依靠大量的數據來驅動。在某種程度上，輸出結果的自然度受到人臉數據集的豐富程度影響。但是，由于用戶隱私問題，整個行業在人臉數據采集上的步子邁得并不大。如何在有限的真實人臉數據的基礎上豐富人臉數據集成為行業所共同面對的問題。
在由少變多的路程上，華為選擇了“曲線救國”，既然找不到那就去創造嘛。利用部分具有肖像權且可用的真實人臉圖片，華為在AI訓練數據集中生成了大量的虛擬人臉圖片。比如，通過對不同身份特征、面部特征以及場景特征的排列組合，利用千余張真實人臉照片“繁殖”出數百萬的虛擬人像數據集，解決了數據集不足的問題。
另外，由于“微笑”本身并沒有一個標準化的定義，沒有人可以說出到底怎樣的微笑是好的，嘴角要呈現怎樣的弧度才算標準，因此建模學習也更加困難。同時微笑編輯的程度往往跟原圖人臉的狀態相關，如何做到自適應地實現露齒笑和抿嘴笑，以確保笑容的自然程度，一直是個算法難題。HMS Core研發團隊通過自研算法模型對人臉數據集中的照片生成“開心數據對”，使微笑編輯的程度更接近原圖人臉狀態，并最終挑選出最自然的笑容。
華為HMS Core現已將人工智能、媒體等7大領域技術以SDK開放出來，降低開發門檻，幫助應用創新。現在，開發者只需幾行代碼快速集成HMS Core的視頻編輯服務（Video Editor Kit），就可以使用到AI著色、一鍵微笑等AI圖像能力，讓你的老照片煥然一新。
Video Editor Kit的“一鍵微笑”功能近期會在華為開發者聯盟官網上線，有興趣的知友可以嘗試下。
AI媒體處理讓我看到了在“人工智能”這種冰冷的詞其實也可能有著溫暖的“人情味兒”。而這其實只需要兩步。第一步，重視人的精神需求；第二步，站在審美視角評估任務的完成度。
很顯然，當我們開始嘗試用AI去解鎖一場童年回憶時，它已經邁出了第一步。
（文章來源知乎，作者溪亭日暮，文中圖片未經作者允許不得轉載）
