图7：老照片修复网络框架

此外，我们注意到老照片的瑕疵可以归类为局部损伤以及广泛性损伤。局部损伤有照片破损、污渍、划痕、褶皱等等，往往照片含有内容上的损坏，需要网络利用全局语义信息来实现修复；广泛性损伤指图片模糊、胶片噪声、颜色泛黄等整张照片均匀程度受到影响，修复仅需图片局部信息。因而，我们的隐空间修复网络采用局部-全局视野融合，其中全局支路采用 nonlocal 模块大大增强处理视野。我们对局部破损图片建立了数据集，训练网络预测破损区域，该破损区域显式的送入 nonlocal 模块，并设置模块感受野为非破损区域（论文中称为 partial nonlocal 模块）。

至此，网络可以像修复合成图片一样，高质量的复原实际老照片。在我们的方法中，我们另外抠出照片中人脸部分，在人脸数据集上训练网络进一步优化人脸的细节。

我们将该方法和先前方法在实际照片上进行了对比。如图8所示，我们的方法达到了最真实、自然、清晰的修复结果。而这也在用户调查中得到了进一步验证。在若干组主观对比中，我们的方法有64.86%的几率被用户青睐。

图8：与不同种基线方法的对比

下面我们呈现更多的照片处理结果，该方法针对不同年代的图片均有理想的修复效果。

我们也收集了一些好莱坞影星的老照片进行了修复处理，让大家一睹明星们年少时的风采。