Deep-Exemplar-based-Video-Colorization

给老视频一键上色，参考图决定风格

这是一个基于深度学习的视频上色工具，来自CVPR 2019论文。它利用参考图像（示例图）为灰度视频自动添加自然色彩，解决传统视频上色中颜色不一致、需要人工干预的问题。核心能力包括：通过深度网络提取参考图的颜色先验，结合光流信息在时间上传播颜色，确保视频帧间色彩连贯；支持用户提供任意参考图来引导上色风格，实现个性化效果。项目提供训练和推理代码，适用于老电影修复、历史影像复原等场景。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 370

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队zhangmozhe

所属国家

官网地址

GitHubhttps://github.com/zhangmozhe/Deep-Exemplar-based-Video-Colorization

定价模式free

价格说明开源项目，MIT许可证，免费使用，需自行部署。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型colorization,computer-vision,deep-learning,gan,generative-adversarial-network,image-generation,image-processing,old-photo,pytorch

GitHub 星标★ 370

30天Star增速

HF 下载量

上线时间2020-11-30 00:00:00

最近更新2026-09-16 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

基于CVPR 2019论文，算法有学术背书
支持参考图引导，上色风格可控
提供完整训练和测试代码，便于二次开发

不足之处

项目较老，依赖旧版PyTorch，环境配置困难
文档仅英文且简略，上手门槛高

适用场景

老电影/历史影像修复上色
黑白视频艺术风格化处理
影视后期制作中的色彩统一

替代项目

DeOldify、Learning Blind Video Temporal Consistency、Fully Automatic Video Colorization

项目介绍

Deep-Exemplar-based-Video-Colorization 是计算机视觉领域的开源项目，由 zhangmozhe 开发，2020 年首次发布。

它收录于计算机视觉分类，该分类目前共有 447 个项目，GitHub 星标数为 370。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-16。MIT许可证，免费使用，需自行部署。

它主要面向的使用场景是：老电影/历史影像修复上色。同类可对比的替代方案包括 DeOldify、Learning Blind Video Temporal Consistency、Fully Automatic Video Coloriz…。

上一篇：IDEAS

下一篇：CWR