L’ARRIVEE D’UN TRAIN EN GARE DE LA CIOTAT

Famous film clip of a train pulling into a French station that ‘panicked audiences’ in 1895 is remastered into a 4K masterpiece at 60 frames per second using artificial intelligence

  • L’Arrivée d’un train en gare de La Ciotat was filmed in Southern France  
  • It was made in 1895 and allegedly scared people who saw it for the fist time  
  • A YouTuber remastered the footage using free AI-powered neural networks 
  • The improved video is 4K quality and plays at a total of 60 frames per second  


[DeOldified] Arrival of a Train at La Ciotat (The Lumière Brothers, 1896)

2 Kommentarer

  1. En forsigtig husmandskommentar: Kunstig intelligens og neurale kredsløb – det lyder sørme både let og fint. Så mangler vi lige kvantecomputeren, og så kan de radikale lave en helt ny og meget bedre verden. På 17 nsec.

    Men det er alligevel fantastisk, og hvad unge af i dag måske ikke ved, så har der været arbejdet med billeder og lyd i et omfang, det reducerer arbejdet med selv seriøs klimaforskning, til nul og nix. Og det er da klart. For omkring 150 år siden blev der knoklet på opfindelser til at gemme lyd og billeder og senere film med henblik på distribution til brugere. Musik og film til underholdninng ude i de små hjem og forsamlingshuse. Og siden er der selvfølgelig opstået et stort behov for at kunne rundsende de gamle skatte på de nye medier. Vi gamle kender lidt af udviklingen inden for fx tv. PAL, MPEG osv. Og formatomsætning fra film til video.

    Og lad os fastslå, at der ikke findes noget, der universelt kan lave gamle S/H-film med 24 frames/s til nyt fjernsynsformat med en mængder af pixels og farver. For at kunne lave fornuftige algoritmer til omsætningen, skal man vide noget om kildematerialet. Alt andet lige skal kildematerialet rumme sammenhænge i de forskellige planer. Uden sammenmhænge (korrelation) kan man intet stille op – filmen er da bare støj, der ikke kun varierer tilfældigt i x og y retningen (horisontalt og vertikalt) men også i z-retningen (tid). Den slags film af billeder, når senderen slukker, kender vi fra gamle dage. Så gik vi i seng.

    Men ikke kun skal der være korrelation, men vi må også kræve, at der ikke er totale skift mellem frames i billedet. Vi må ikke gå fra toget til lokomotivførerens kone i et billedskift. Så må vi lave en undtagelsestilstand. Men det gør vi heller ikke i eksemplet. Men når det ellers er opfyldt, er vi klart til at rense billederne for støj og forvrængning og senere at sample dem op til hd-format og fx 60 frames/s. Metoden vi bruger til at rense og opsample, kalder vi filtrering, og den kan vi lave så smart, at den tilpasser sig kildematerialet. Tilpasningsalgoritmerne kan fx laves med neurale netværk.

    Farven, der sikkert bedst sættes på til sidst, vælges af en forstandig person, som også træffer en lang række andre valg, for at gøre slutresultatet bedst muligt. Så det med den kunstige intelligens er så som så. Der kan være hjælp til at finde den rigtige farvepalet og meget andet, men der skal intelligens til.

    Men så kan man da også lave fantastiske ting som med den lille stump film her. Og tilsvarende med lyden, hvor gamle skrattende 78’ere, kan gøres helt acceptable, men her er indgrebene ofte meget lettere at opdage for lytteren, så mange foretrækker originalernes støj for at skade originalen mindst muligt, og heldigvis er det således at øjet langt bedre tolererer vor fusk med originalmaterialet.

    Hvad driver alt det her: Processorer med mange kerner og clockfrekevenser på mange Ghz.

  2. Tak for meget interessant info husmanden.
    Som 8mm og super8 smalfilmer som teenager i forrige århundrede, bliver jeg helt svedt ved tanken om de teknikaliteter, du så glimrende beskriver.
    Jeg mindes, hvor bøvlet det var dengang blot at splejse celluid strimlerne fra optagelserne. Så jeg stoppede desværre med at smalfilme efter et par år. Nok én af grundene til at jeg ikke blev en anden Lars von Trier? 🙂

Leave a Reply

Din email adresse vil ikke blive vist offentligt.


*


This site uses Akismet to reduce spam. Learn how your comment data is processed.