Колоризация (Colorization)

Колоризация (colorization) — процесс автоматического раскрашивания чёрно-белых изображений в цветные с помощью нейронных сетей. От ручной раскраски в Photoshop, занимающей 4–20 часов на фото, нейросетевая колоризация за 1–5 секунд даёт сопоставимый или лучший результат. На 2026 год — зрелая технология с моделями period-accurate раскраски (учёт исторической эпохи).

Принцип работы автоматической колоризации

Колоризация — это задача image-to-image translation: вход = градации серого, выход = цветное изображение. Нейросеть обучается на парах (B&W → color) из миллионов изображений и учится:

• Распознавать объекты на чёрно-белом фото (лицо, небо, трава, одежда)
• Сопоставлять каждому объекту типичный цветовой диапазон (лицо — телесные, небо — голубой, трава — зелёный)
• Сохранять согласованность по всему изображению (одна цветовая палитра)
• Сохранять исходные градации яркости

Эволюция моделей колоризации

• DeOldify (2018) — первая популярная модель, GAN-архитектура на NoGAN training. До сих пор используется как baseline
• DDColor (2023) — Transformer-based, более точные цвета
• Stable Diffusion colorization (2024) — диффузионный подход с возможностью текстового контроля
• ColorFlow (2025) — period-aware колоризация с учётом эпохи фото
• Adobe Project Quickfire (2026) — коммерческая модель с лучшим качеством

Period-accurate колоризация

Главная проблема ранних моделей — игнорирование исторического периода. Модель раскрашивала военное фото 1943 года в современные яркие цвета: голубое небо как в Photoshop tutorials, флуоресцентный зелёный травы. Современные модели (ColorFlow, Adobe Quickfire) учитывают год съёмки и используют period-accurate палитры:

• 1900–1920: сепия, приглушённые тона
• 1920–1940: пастельная палитра, мягкие цвета
• 1940–1950: военные цвета (хаки, серо-зелёный, синий), приглушенные
• 1950–1970: яркие палитры эры цветной плёнки
• 1980+: современные насыщенные цвета

Колоризация военных фото в Panda AI

Для фотографий периода ВОВ Panda AI использует специально настроенную модель ColorFlow с period-accurate палитрой 1940-х:

• Военная форма СССР: хаки М43, не современный «зелёный»
• Цвет неба: чуть менее насыщенный (учёт фотоматериалов и атмосферы тех лет)
• Кожа: естественный загар без современной «золотистости»
• Бумага документов: тёплые жёлтые тона, не белые

Подробнее о работе с военными фото — в статье «Восстановление старых фото к 9 мая».

Возможности и ограничения

Хорошо работает:

• Стандартные сцены (портреты, пейзажи, городские виды)
• Чёткие границы объектов
• Узнаваемые объекты (лица, небо, растительность)

Плохо работает:

• Однотонные большие области без context (одежда без узора может быть любого цвета)
• Редкие предметы без обучающих примеров
• Очень шумные / повреждённые изображения (требуется сначала реставрация)

Контроль над колоризацией

Современные модели позволяют задавать палитру через:

• Reference image: цветовая палитра из примера
• Text prompt: «warm tones, vintage palette»
• Point hints: пользователь указывает цвет для конкретных объектов
• Era preset: «1940s», «1960s», «sepia», «vibrant»

Применение и стоимость

Колоризация в Panda AI: 50 коп./фото. Доступна через инструмент восстановления как опция «Colorize». Время обработки: 2–5 секунд на типичное фото. Для семейного архива (100–500 фото) — пакетный режим со скидкой.

FAQ — колоризация

Можно ли откатить колоризацию обратно в ч/б?

Да, конвертация color → grayscale тривиальна (десатурация). Однако оригинальное ч/б фото лучше всегда сохранить отдельно как backup перед колоризацией.

Какие цвета будут на моём фото?

Можно выбрать palette в настройках: «period-accurate», «modern», «artistic». Без указания — нейросеть выберет автоматически на основе контента. В Panda AI всегда показывается превью перед сохранением.

Колоризация портит детали фото?

Нет, исходные градации яркости сохраняются 1:1. Колоризация добавляет только цветовую информацию (Cr/Cb каналы в YCbCr пространстве). Если включить также денойз/реставрацию — детали могут измениться, но это отдельный процесс.