图像上色
为黑白图像或单色图像自动添加颜色,采用最新的 SOTA 图像上色算法,能为输入的黑白图像生成自然生动的彩色结果。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
深度看图是 deepin(深度)操作系统中的图像查看工具,通过「看图 AI 插件」加入 AI 修图能力。插件在 deepin V20.9 更新系统后可于应用商店一键安装,也可用 sudo apt install imageenhance 命令安装。它一口气提供 8 个 AI 修图功能,全部在 PC 单机本地运行,不依赖互联网在线模型,也不受算力硬件约束。最明显的短板是:这些能力依附于 deepin 系统本身,非 deepin 用户无法直接使用。
深度看图是 deepin(深度)操作系统中的图像查看工具。近期它以插件形式加入 AI 修图能力,成为 deepin 把 AI 与操作系统深度融合的一部分。此前 deepin 已为智能全局搜索、邮件、浏览器三大常用应用开启 AI 能力,深度看图是这一路线的延续。
当前形态是「看图 AI 插件」,在 deepin V20.9 更新系统后上架应用商店。插件新增 8 个 AI 修图功能,全部在 PC 单机上本地运行,不依赖互联网在线模型,也不受算力硬件约束。
对普通用户,它是在系统内直接给照片上色、提清晰度、抠背景或转漫画风的轻量工具;对开发者,插件可通过 apt 命令安装,背后用到的 DCT-Net、Real-ESRGAN 等模型思路也可自行研究。
为黑白图像或单色图像自动添加颜色,采用最新的 SOTA 图像上色算法,能为输入的黑白图像生成自然生动的彩色结果。
增加图像的像素密度,使图像细节更加清晰和具象化。底层使用 Real-ESRGAN,通过多次降质方式模拟真实复杂降质,更好处理真实低分辨率场景。
模糊背景可降低图像背景清晰度,使主体更突出;删除背景则去除图像背景,让主体独立出来或更换新背景。两项功能分别面向突出主体与抠图换背景。
支持手绘漫画、2D 漫画、3D 漫画三种风格,把真实图像转化为对应风格的漫画画面。风格转换采用全新域校准图像翻译模型 DCT-Net,小样本风格数据即可得到高保真结果。
将真实图像转化为素描风格,与漫画系列同属风格转换能力,适合给照片做素描化处理。
8 个 AI 修图功能均不依赖互联网在线模型,也不受算力硬件约束,在 PC 单机上即可轻松运行。相比动辄需要强大算力和硬件设备的大模型,本地化模型更易落地。
deepin V20.9 更新系统后,可在应用商店一键安装「看图 AI 插件」;也可通过命令 sudo apt install imageenhance 直接安装。
官方给出在 deepin 上部署 OpenVINO 的步骤:前置条件为 Conda 与 Git,安装依赖后把 PyTorch 模型转成 ONNX,再用 mo --input_model model.onnx 转为 IR 模型即可运行 demo。
当你在用 deepin 系统、又需要给照片做上色、提清晰度、抠背景或转漫画风时,深度看图值得装——8 个功能本地跑,不联网、不吃硬件,装完即用。当你不是 deepin 用户,或需要在线大模型那种复杂生成能力时,它帮不上忙。它本质是操作系统自带工具的 AI 增强,不是独立修图软件,功能范围就是上色、分辨率、背景、漫画与素描这几类,想做精修或商业设计还得配合别的工具。
系统内直接装插件就能用,不需要额外购买硬件或联网调用云端模型,适合把修图当日常操作的人。
图像上色能给黑白或单色图像自动上色,提升分辨率能让低清照片更清晰,这两项是修复老照片最直接可用的功能。
删除背景可让主体独立出来或更换新背景,适合做商品图或素材底图;但精修和排版仍需其他工具配合。
插件依附 deepin 操作系统与看图应用,其他系统无法直接安装使用,想用得先换到 deepin 环境。
8 个功能都是本地化修图,不涉及在线大模型的复杂生成,追求文生图、图生图等生成式玩法不适合选它。
deepin V20.9 更新系统后,可在应用商店一键安装「看图 AI 插件」;也可以直接用命令 sudo apt install imageenhance 安装。装好后在深度看图里就能看到对应的 AI 修图功能。
看图 AI 插件一口气增加了 8 个功能:图像上色、提升分辨率、模糊背景、删除背景、手绘漫画、2D 漫画、3D 漫画、素描。覆盖上色、清晰度、背景处理和风格转换四大类用途。
不需要。8 个 AI 修图功能不依赖互联网在线模型,也不受算力硬件约束,在 PC 单机上即可轻松运行,适合不想把图片传到云端、或硬件条件一般的用户。
风格转换采用全新域校准图像翻译模型 DCT-Net,小样本风格数据即可得到高保真、强鲁棒、易拓展的人像风格转换结果;提升分辨率基于 Real-ESRGAN,通过多次降质方式模拟真实复杂降质;图片上色使用最新的 SOTA 图像上色算法。
可以。官方以 OpenVINO 为例给出步骤:前置条件是 Conda 和 Git,装好依赖后,对于 PyTorch 模型需要先转成 ONNX 模型,再用 mo --input_model model.onnx 转成 IR 模型,之后 OpenVINO 即可运行相关 demo 做图像转换。