Что именно видит алгоритм
В чёрно-белом кадре сохранена не «пустота вместо цвета», а информация о яркости: насколько светлыми или тёмными выглядят трава, лицо, ткань и небо. Но один и тот же серый тон мог возникнуть из множества разных цветов. Красная и зелёная поверхность, например, при определённом освещении способны выглядеть почти одинаково — поэтому по одному изображению нельзя однозначно вычислить исходную палитру.
Как нейросеть выбирает оттенки
Модель учат на цветных снимках, предварительно превращённых в чёрно-белые. Она получает серую версию и цветной образец, а затем учится находить закономерности: небо часто бывает голубоватым, листва — зелёной, кожа — в диапазоне телесных тонов. При обработке фильма алгоритм использует такие связи и окрашивает области, учитывая их яркость, контуры и соседние участки.
Это не простая раскраска по готовому списку. Нейросеть оценивает, какой цвет правдоподобнее в данном контексте: серое пятно над горизонтом может стать частью неба, а на лице алгоритм выберет оттенки, похожие на кожу в обучающих примерах. Однако убедительный результат означает лишь, что цвета выглядят уместно, а не что они совпадают с теми, которые были на съёмочной площадке.
Почему кадры могут «плавать» по цвету
В фильме важна не только правдоподобная раскраска каждого кадра, но и её постоянство. Если модель независимо обработает соседние кадры, при движении человека оттенок одежды может слегка меняться: алгоритм каждый раз заново оценивает тот же объект. Поэтому видеосистемам приходится учитывать связь между кадрами и удерживать цвет на движущихся предметах.
Даже при такой стабилизации остаётся принципиальная неопределённость: без цветных материалов, описаний костюмов или других свидетельств нельзя узнать, был ли плащ синим или коричневым. Нейросеть создаёт последовательную версию прошлого — но не возвращает цвет, которого в кадре больше не записано.
