GitHub 1.3k 一款能“填色回忆”的神器：DDColor 让老照片鲜活又逼真

嗨，我是小华同学，专注解锁高效工作与前沿AI工具！每日精选开源技术、实战技巧，助你省时50%、领先他人一步。👉免费订阅，与10万+技术人共享升级秘籍！

DDColor 是如何通过双解码器技术，把黑白老照片和动画场景一键还原成色彩饱满、细节清晰的彩色图像？

项目简介

DDColor: Towards Photo‑Realistic Image Colorization via Dual Decoders 作者：Xiaoyang Kang 等，DAMO Academy（阿里达摩院） ICCV 2023 论文实现｜公开PyTorch代码与预训练模型

DDColor 是阿里达摩院团队提出的新一代图像自动着色模型，基于“像素解码器 + 颜色查询解码器”双重设计，实现高保真、真实感强的黑白图转彩色图，兼容历史照片与二次元游戏风格图，创造“还原真实”的视觉奇迹。

痛点与场景

• 黑白历史照：老照片缺色但蕴含高历史价值，传统着色容易失真、色彩偏差剧烈。
• 动画或游戏截图：如《原神》风格清淡，不够自然。
• 自动化需求强：手动上色耗时费力且效果不统一，在线或本地批量需求大。
• 期望效果：需要真实的颜色、细节清晰、色彩丰富、自动可靠。

配合 GPU 或在线 Demo，几秒钟就能完成令人惊喜的色彩重塑。

核心功能亮点

1. 双解码器架构：

   • 像素解码器负责恢复图像空间结构；
   • 颜色查询解码器通过多尺度语义特征调色，协同避免色彩偏差。

2. Colorfulness Loss：增加颜色丰富度，让输出饱满、生动。

3. 多领域适配：

   • 历史照片着色效果真实，细节还原力强；
   • 可将游戏或动画风格图转为写实风，场景更贴近现实。

4. 预训练网络多样化：提供 tiny、paper、modelscope、artistic 四套模型，满足不同效果需求。

5. 多出口平台支持：

   • 本地 PyTorch 脚本推理；
   • ModelScope、Replicate 在线 Demo 接口；
   • Hugging Face Hub 模型调用。

6. 多硬件兼容：支持 CUDA GPU 本地部署，也有 ONNX 优化，可在 CPU 上跑！

7. 高性价比在线成本：Replicate 调用成本约 ，次才1。

技术架构

优势对比（区别于单解码模型或传统 CNN）

维度	传统 CNN	Transformer 着色	DDColor 双解码器
色彩还原	容易失真、偏色	更好但复杂	语义结合色调，色彩更准确
多样性	效果模板化	效果较好	上色更加丰富、饱满
通用性	特殊场景需微调	通用但推理慢	四档预训练＋在线接口即用
推理速度	快	较慢	~1s/图，成本低、兼容 CPU+GPU

操作上手

🚀 在线 Demo （ModelScope / Replicate）

from modelscope.pipelines import pipeline
from modelscope.outputs import OutputKeys
from modelscope.utils.constant import Tasks

pipe = pipeline(Tasks.image_colorization, model='damo/cv_ddcolor_image-colorization')
out = pipe('xxx_bw.jpg')
cv2.imwrite('result.png', out[OutputKeys.OUTPUT_IMG])

效果秒出，色彩自然，细节清晰。

🎯 本地推理脚本

git clone https://github.com/piddnad/DDColor
cd DDColor
pip install -r requirements.txt
pip install torch==2.2.0 torchvision torchaudio -f .../cu118
python setup.py develop
python infer.py \
  --model_path ./modelscope/damo/cv_ddcolor_image-colorization/pytorch_model.pt \
  --input ./assets/test_images

🧠 ONNX 优化（轻量 CPU 版本）

python ddcolorize.py --image 1.jpg --output 1_ddcolor.jpg

兼容无 GPU 场景，仅需下载 ONNX 模型。

界面 & 效果展示

典型应用场景

• 资料馆、档案管理：为历史珍贵照片配色，提升可视传播价值。
• 视频修复项目：对老旧黑白片段进行批量上色，使剧情更具吸引力。
• 二次元或游戏截图：影视化处理，让画面质感逼近真实。
• 个人艺术创作：无需专业绘师即可为老图、素描快速上色。

与同类项目对比

项目	色彩真实度	多样性	推理速度	上手难度	特点
DeOldify（GAN）	☆☆	☆	快	低	饱和但偏色
ColorFormer（Transformer）	☆☆☆☆	☆☆	慢	中	效果较好，但依赖预设
DDColor（双解码）	★★★★★	★★★★	快（1s/图）	低	色彩丰富、真实、自动

DDColor 融合多优势，同时降低用户上手门槛。

同类/相关项目推荐

• ComfyUI-DDColor：为 ComfyUI 制作节点插件，一键调用 DDColor 模型。
• instant-high/DDColor‑onnx：ONNX 优化版，适合无 GPU 独立部署。
• vs‑ddcolor：VapourSynth 插件，支持视频帧批量着色。

总结亮点

DDColor 是目前业界少有的集准确还原、色彩丰富、推理高效、平台多样于一体的图像自动着色方案。其双解码器结构、Colorfulness Loss，以及多平台支持，使其不仅是学术新星，也真正走进了用户工具链。历史修复、影像美化、艺术创作……都可成为你的“魔法笔”。

项目地址

https://github.com/piddnad/DDColor