Geniş Alanlarda Yapısal Hasarı Olan Arşiv Filmlerinin Restorasyonu

Neden Eski Filmleri Kurtarmak Hâlâ Önemli

Geçen yüzyılı kaydeden birçok film ve haber bülteni artık yalnızca kırılgan film makaralarında yaşıyor. Zaman, toz, tekrar projeksiyon ve kötü saklama koşulları bu görüntülere çizikler kazımış ve delikler açmış; yüzleri, nesneleri ve hatta sahnelerin tamamını silmiş durumda. Bu tür hasarları kare kare elle düzeltmek zahmetli ve maliyetli bir işlem. Bu makale, arşiv filmlerindeki büyük, düzensiz kusurları otomatik olarak tespit edip onarabilen yeni bir yapay zeka yöntemini tanıtıyor; bu da hareketli görüntü tarihinin daha hızlı ve daha sadık biçimde kurtarılmasını vaat ediyor.

Film Hasarını Bu Kadar Zorlaştıran Nedir

Eski filmlerdeki tüm kusurlar aynı değildir. Kumlu gürültü, genel bulanıklık veya solmuş renkler gibi bazı problemler tüm görüntüyü etkiler ve geniş temizlik araçlarıyla ele alınabilir. Ancak en yıkıcı sorunlar, uzun dikey çizikler ya da lekeli siyah-beyaz yamalar gibi yapısal hasarlardır. Bunlar görüntü içeriğini yok eder; sadece kalitesini düşürmez. Geleneksel dijital yöntemler ya el yapımı kurallara dayanır ya da her kareyi bağımsız ele alır; bu da hareketli nesneleri hasarla karıştırmaya veya büyük delikleri yalnızca kısmen onarmaya yol açar. Öte yandan her şeyi tek adımda temizlemeye ve doldurmaya çalışan uçtan uca "kara kutu" sistemleri hasarlı bölgeleri kaçırabilir veya keskin ama gerçekçi olmayan ayrıntılar uydurabilir.

Kusurları Belirlemek İçin Zaman İçine Bakmak

Yeni çalışmanın kilit farkındalığı sadece mekânı değil zamanı da kullanmaktır. Gerçek sahne içeriği kareden kareye düzgün şekilde değişirken, çizikler ve lekeler rastgele konumlarda ortaya çıkar ve sahnedeki hareketi takip etmez. Yazarlar bu farkı, üç bitişik kareyi insan gözlemcisinin anormallikleri görmek için ileri geri sarma davranışını taklit eden bir tespit ağına besleyerek modelleniyor. İlk olarak, bir kanal dikkat (channel attention) modülü üç karenin genel içeriğini karşılaştırır ve zaman içinde diğer sahneyle uyum göstermeyen bölgeleri vurgular. Bu aşama hasarın nerede olabileceğine dair kaba bir fikir verir. Ardından kaynak-referans dikkat (source-reference attention) adlı ikinci bir modül, nispeten temiz bir komşu karenin bilgisini kullanarak hasarlı alanın kenarlarını ve şeklini detaylı şekilde düzeltir. Bu adımlar birlikte yapısal kusurları kesin bir maske halinde dış hatlandırır.

Sistemi Sınırlı Gerçek Örneklerle Eğitmek

Mükemmel yer gerçeği etiketlerine sahip gerçek arşiv hasarlı görüntüler nadir ve etiketlemesi maliyetli olduğundan ekip akıllıca bir eğitim stratejisi kullanıyor. Önce düzensiz maskeleri—çizikler ve lekeler yerine geçen—gerçek film karelerinin üzerine bindirerek büyük bir sentetik veri seti oluşturuyorlar. Bu, dedektörün seyrek, zamana bağlı olmayan hasar fikrini öğrenmesine izin veriyor. İkinci aşamada model, etiketleri mükemmel olmamakla birlikte yine de bilgilendirici olan küçük bir gerçek hasarlı dizi setiyle ince ayar yapılıyor. İdeal sentetik gözetim ile kusurlu gerçek dünya rehberliğini birleştirerek sistem, temiz simülasyonlardan öğrendiklerini tarihsel, karışık materyale aktarmayı öğreniyor; çok ölçekli özellik birleştirme ise hem küçük lekelerle hem de geniş kayıp bölgelerle başa çıkmasına yardımcı oluyor.

Kırık Görüntüler Nasıl Yeniden Doldurulur

Hasar maskesi belirlendikten sonra ayrı bir onarım ağı yalnızca kayıp içeriğin yeniden yapılandırılmasına odaklanır. Bu ağ üç girdi alır: hasarlı kare, tespit edilen maske ve hâlâ sağlam sahneyi içeren bir komşu referans kare. Ardından maskelenmiş deliklerin içinde makul ikame parçalar üretmek için bir üretici-karşıtçı (generative adversarial) çerçeve kullanır; doğruluk, görsel gerçeklik ve stil uyumu teşvik eden birden çok kayıp terimiyle yönlendirilir. Önemli olarak sistem, hasarın her karenin yalnızca küçük bir kısmını işgal ettiğini ve zaman içinde bağımsız olduğunu kullanır; böylece tüm görüntüyü yeniden öğrenmeye çalışmak yerine çabalarını bu seyrek bölgelere yoğunlaştırabilir. Tasarım kasıtlı olarak basit ve verimlidir: tespit için yalnızca üç kare ve onarım için tek bir referans kare, bir konservatörün kusuru yamalarken genellikle yalnızca birkaç komşuya bakmasını yansıtıyor.

Uygulamada Ne Kadar İyi Çalışıyor

Yaklaşımlarını test etmek için yazarlar temiz arşiv kliplerine sentetik çizikler ve lekeler ekliyor ve bunları klasik yama dedektörleri ile fotoğraf ve film için modern derin öğrenme tabanlı restoratörler de dahil olmak üzere birkaç güçlü baz hattı ile karşılaştırıyor. Dedektörleri, bu baz hatlara kıyasla örtüşme ölçüsünü (ortalama intersection over union) iki kattan fazla artırıyor; bu da hasarlı pikselleri çok daha doğru bulduğu anlamına geliyor. Yeniden yapılandırma kalitesi için, tepe sinyal-gürültü oranı ve yapısal benzerlik ile ölçüldüğünde, yöntemleri yine açıkça diğerlerini geride bırakıyor ve özellikle kendi maskelerini kullandığında büyük kazançlar gösteriyor. Gerçek dünya arşiv görüntülerinde görsel karşılaştırmalar, rakip yöntemlerin ya hasarın parçalarını kaçırdığını, ayrıntıları yapay dokulara aşırı keskinleştirdiğini ya da büyük kayıp alanlarda tamamen başarısız olduğunu ortaya koyuyor; oysa yeni sistem uzun çizikleri ve büyük lekeleri düzgün, tutarlı dolgularla tamamen kaldırabiliyor—ve tüm bunları yüksek çözünürlüklü dizileri kare başına saniyenin kesirleriyle işlerken yapıyor.

Hareketli Görüntü Geçmişimiz İçin Anlamı

Günlük ifadeyle bu çalışma, hasarın zaman boyunca nasıl davrandığını dikkatlice modellemenin, aksi halde yara almış veya kullanılamaz kalacak eski filmleri otomatik olarak restore etmeyi mümkün kıldığını gösteriyor. Önce filmin neresi kırık olduğunu belirleyip ardından yalnızca o bölgeleri yeniden inşa ederek yöntem, tümüyle tek aşamalı yaklaşımlardan daha temiz sonuçlar sunuyor ve bunu daha az hesaplama ile yapıyor. Her çizik için mükemmel tespit hâlâ ulaşılamaz olsa da bu çerçeve, tarihi filmler, haber bültenleri ve ev videolarının uygun maliyetli, büyük ölçekli dijital restorasyonu yönünde önemli bir adım oluşturarak görsel anıların gelecek kuşaklar için korunmasına yardımcı oluyor.

Atıf: Liu, Q., Liu, Y., Wang, L. et al. Restoration of archival film with large areas of structural damage. npj Herit. Sci. 14, 272 (2026). https://doi.org/10.1038/s40494-025-02235-3

Anahtar kelimeler: arşiv film restorasyonu, çizik ve lekeli alan onarımı, video inpainting, miras için derin öğrenme, dijital koruma