无数的历史照片以黑白形式保存在世界档案馆中。如今，这些文化资产和当代文献通过数字化手段得到保护，并通过数字修复（部分）得到改善。
自20世纪70年代以来，人们一直在努力给这些电影片段上色。然而，并没有真正的进展——手工或半自动着色技术的工作量和相关成本太高。原则上全自动给胶片上色是可能的。然而，这有一个缺点，颜色可能看起来很好，但它们不符合现实。
这正是格拉茨理工大学(TU Graz)的“RE:Color:基于新型机器学习方法的影院质量电影高效着色”项目的由来。由计算机图形与视觉研究所的托马斯·波克(Thomas Pock)领导的计算机科学家，与位于格拉茨的专门从事历史电影修复的HS-Art公司一起开发了一种集成软件应用程序，将交互式和自动着色技术与深度学习技术相结合。
其结果是一种主要用于自动但完全由用户控制的着色过程的算法。
Thomas Pock认为，人类能够影响着色过程是至关重要的：“你总是需要一个熟悉历史传统的人，他能说出当时的衣服、外墙等是什么样子的。士兵的制 服是绿色还是蓝色？没有算法可以决定这一点，但它可以从中学习。”
因此，该算法必须提供足够大的训练样本集合，以便自动接管历史电影的着色。Pock解释道：“这是关于在尽可能少的用户输入的情况下尽可能有效地为电影上色。这可能意味着，例如，一个人指定了一个电影框架的颜色，然后软件接管了其他框架的颜色。”。
只有通过预先训练的神经网络才能满足用户引导控制的这一核心要求，该神经网络可以受到用户交互的动态影响。
为此，研究人员在基于人工智能的自动着色领域开发了不同的新方法。然后，他们与HS Art的开发人员一起，在原型应用程序中实现了最有效的方法，并生成了足够强大的训练样本集合。然后，实施了人类引导的控制，以获得真实和适当的配色方案。
随着算法的发展，胶片可以恢复得非常干净，也可以上色，但这并不总是可取的。Pock说：“对于历史镜头和电影，你需要一定的噪音，即所谓的‘电影颗粒’，否则观众看不到它的真实性。因此，该软件也可以人工生成这种噪音，并在修复和着色后再次添加。”
