Мне прилетела задача: коробка сканов семейного архива 90-х, к ним: 40 карточек товара от подрядчика в 800×600 с JPEGP. Скриншот интерфейса в 480p, который «надо вставить в презентацию, там же всё видно». Всё это надо было привести в вид, за который не стыдно.
Я собрала 24 исходника и прогнала каждый через 6 инструментов.
Что именно тестировала
Задача разбивалась на четыре подзадачи, и я сразу решила оценивать их отдельно: апскейл (увеличить разрешение), убрать шум, восстановление деталей лица, читаемость текста на картинке.
Исходники — 24 файла четырёх типов, по 6 штук в каждом:
сканы старых бумажных фото 300 dpi с зерном и заломами;
тёмные снимки с телефона (вечер, ISO 3200, шум в тенях);
пересжатые JPEG с блочными артефактами (карточки товара);
скриншоты интерфейса с мелким текстом 10–12 px.
Процесс работы
Все 24 файла шли во все инструменты без предварительной обработки — ручную подкрутку уровней не делала, иначе сравнение теряет смысл.
Коэффициент везде ×4, где инструмент умел только ×2 — прогонял дважды и помечал это отдельно.
Время замеряла от нажатия кнопки до готового файла, по 3 прогона, брал медиану. Железо для локальных вариантов: RTX 4070, 12 ГБ.
Оценку ставила глазами по трём критериям (детали / артефакты / достоверность), шкала 1–5. Это субъективно, и я это признаю: PSNR и SSIM на генеративном апскейле почти ничего не говорят — модель, которая красиво выдумала текстуру, выигрывает глазами.
Результаты
Инструмент | Что делает лучше всего | Где ломается | Время (×4, 12 Мп на выходе) | Цена |
Real-ESRGAN (Upscayl, локально) | Сжатые JPEG, товарка: чисто убирает блоки | Лица «пластиковые», мелкий текст плывёт | 18 с | Бесплатно, open source |
GFPGAN / CodeFormer | Лица на сканах — вне конкуренции | Дорисовывает чужие черты, «омолаживает» | 9 с (только лицо) | Бесплатно |
SUPIR | Старые сканы целиком, фактура ткани и кожи | Любит менять фон, ест мелкие объекты | 70 с | По токенам |
Topaz Photo AI | Шум на тёмных фото с телефона | Пересглаживает траву и волосы | 25 с | ~$199 разово |
Photoshop Super Resolution | Честный ×2 без выдумок | Не чистит артефакты, только увеличивает | 6 с | Подписка |
SDXL-апскейл (tile) | Художественные кадры, эффектная картинка | Хуже всех с достоверностью | 55 с | По токенам |
Главный вывод по типам. На пересжатых JPEG выиграл Real-ESRGAN, причём с большим отрывом и бесплатно: блочность уходит, кромки товара остаются прямыми. Тяжёлые модели тут только вредят — SDXL на белом фоне карточки нарисовал мне текстуру бумаги, которой не было.
На сканах 90-х картина обратная. Real-ESRGAN выдал резкое, но мёртвое изображение — зерно плёнки он считает шумом и стирает вместе с фактурой. SUPIR восстановил вязку свитера и волосы так, что скан стал похож на съёмку. Но он же на одном кадре превратил размытую вывеску на заднем плане в другую вывеску с другими буквами.
Тёмные телефонные фото — территория Topaz. Шумодав у него единственный, кто разбирает шум и детали по отдельности; остальные либо оставляют цветные пятна в тенях, либо мажут всё в один тон. Расплата — волосы превращаются в спагетти, видно на 100%.
Скриншоты с текстом не вытянул никто, к этому вернусь ниже.
Что не получилось
Ключевое, что стоит держать в голове: апскейл не восстанавливает информацию. Её в файле нет. Модель смотрит на пятно 4×4 пикселя и предлагает статистически правдоподобный вариант того, что там могло быть. Иногда угадывает, иногда нет, и по картинке вы не отличите одно от другого.
Самое неприятное — лица. GFPGAN на трёх сканах из шести выдал человека, похожего на оригинал, но не его: изменил разрез глаз, убрал асимметрию, «омолодил» лет на десять. Родственники на такое реагируют плохо, и они правы.
Текст — второй провал. На скриншоте 480p строка «Настройки синхронизации» после ×4 превратилась в «Настроики синхроиизации» с уверенно прорисованными неправильными буквами. Лучше бы осталось размытие: оно честно сообщает, что не читается, а чёткая ошибка выглядит как факт.
Где этим пользоваться нельзя: сканы документов, фотофиксация для суда и страховых, медицинские снимки, любые юридические материалы, распознавание номеров и лиц. Улучшенное фото — это иллюстрация, а не источник данных.
Практические выводы
Алгоритм, к которому я пришла.
Старые семейные фото. Сначала SUPIR на весь кадр ×2, потом отдельно лицо через CodeFormer с fidelity 0.7–0.8 (выше — начинает выдумывать) и ручная вклейка слоем в редакторе. Хранить оригинал скана рядом, всегда.
Карточки товара. Real-ESRGAN ×4 локально, пакетом, без вариантов. Быстро, бесплатно, предсказуемо. Тяжёлые генеративные модели на товарке опасны: они меняют геометрию и фактуру, а это уже вводит покупателя в заблуждение.
Тёмные фото с телефона. Сначала вытянуть экспозицию руками в RAW-конвертере, только потом шумодав. Если сделать наоборот, ИИ улучшение фото зафиксирует шум как деталь и размножит его.
Скриншоты с текстом. Не апскейлить. Пересобрать интерфейс и снять заново, а если исходника нет — вставить как есть и продублировать текст подписью. Это единственный честный вариант.
Быстро и разово. Задачу «улучшить фото онлайн бесплатно» закрывает связка Upscayl + CodeFormer — обе модели open source и есть в вебе. Если нужно сравнить генеративные модели между собой, удобнее делать это там, где они собраны в одном интерфейсе: я гонял SUPIR и SDXL-апскейл через BotHub, потому что переключать модель на одном и том же файле в одном окне быстрее, чем разводить по трём сервисам.
Про доступ
Отдельно про инфраструктуру, раз уж речь о сравнении. Модели обработки изображений в BotHub работают из России без VPN и зарубежной карты, оплата идёт за фактическое использование — для теста из 24 файлов это вышло дешевле любой месячной подписки. Несколько моделей в одном окне — ровно тот сценарий, когда нужен не один фоторедактор онлайн с ИИ, а возможность прогнать один исходник через четыре разных и сравнить результаты рядом.