Real-ESRGAN AI Upscaling: Cara Kerja dan Kapan Menggunakannya

Terakhir diperbarui: June 27, 2026

Real-ESRGAN adalah model terbuka di balik sebagian besar alat "AI upscaler" gratis: ia memperbesar gambar hingga 4x sambil memprediksi detail yang masuk akal yang tidak bisa dilakukan oleh resizing klasik. Model ini sangat berguna untuk menyelamatkan foto beresolusi rendah, hasil pindaian lama, dan karya seni digital — tetapi model ini memiliki batasan dan mode kegagalan nyata. Panduan ini menjelaskan cara kerjanya, apa keunggulannya, dan kapan ia bukan alat yang tepat.

Jawaban cepat: Untuk apa Real-ESRGAN?

Gunakan untuk memperbesar gambar 2–4x dengan ketajaman yang dipulihkan, ketika Anda tidak dapat mengambil ulang pada resolusi yang lebih tinggi. Sesuaikan model dengan konten:

Untuk satu gambar, gunakan Image Upscaler; untuk batch, gunakan Real-ESRGAN CLI. Untuk keputusan upscaling umum, lihat cara memperbesar gambar.

Bagaimana cara kerja Real-ESRGAN?

Real-ESRGAN adalah model super-resolution berbasis GAN. Jaringan generator mengambil input resolusi rendah dan menghasilkan output 4x lebih besar; diskriminator menilai apakah output tersebut terlihat seperti detail beresolusi tinggi yang nyata, dan generator belajar dari umpan balik itu. "Real-" merujuk pada pelatihannya pada degradasi dunia nyata (kabur, noise, artefak kompresi), bukan hanya downsampling sintetis — inilah sebabnya ia menangani artefak JPEG dan foto lama lebih baik daripada model super-resolution sebelumnya.

generator upsamples 4x -> super-resolution output, with discriminators judging real vs generated detail">

Proyek Real-ESRGAN di GitHub mendokumentasikan arsitektur, model, dan benchmark-nya. Poin praktis utamanya: ia memprediksi detail daripada memulihkannya — output adalah tebakan yang masuk akal, bukan versi resolusi tinggi asli dari input.

Apa perbedaannya dengan upscaling klasik?

Resizing klasik (Lanczos, bicubic) melakukan interpolasi di antara piksel yang sudah ada — ia menghaluskan tetapi tidak menambahkan informasi baru. Generator Real-ESRGAN mensintesis detail frekuensi tinggi baru (tekstur, tepi) berdasarkan pola yang dipelajarinya dari data pelatihan. Hasilnya terlihat lebih tajam daripada upscale Lanczos dengan ukuran yang sama, tetapi detail tambahan itu diciptakan, bukan diukur.

Perbedaan ini penting: output Real-ESRGAN terlihat lebih tajam tetapi tidak lebih akurat. Untuk penggunaan yang sensitif terhadap bukti (medis, forensik, arsip), detail sintetis adalah masalah, bukan fitur.

Bagaimana perbandingan model Real-ESRGAN?

Setiap model disesuaikan untuk jenis konten tertentu. Memilih yang tepat adalah perbedaan antara hasil yang bersih dan yang terlalu diproses:

Alur kerja umum untuk foto potret adalah menjalankan model umum untuk pembesaran 4x, kemudian meneruskan area wajah melalui GFPGAN/CodeFormer untuk memulihkan tekstur kulit alami. Menggabungkan model dengan cara ini memanfaatkan kekuatan masing-masing.

Apa kasus penggunaan praktisnya?

Real-ESRGAN mendapatkan tempatnya dalam beberapa situasi spesifik di mana sumber asli resolusi lebih tinggi benar-benar tidak tersedia:

• Foto dan pindaian keluarga lama. Misalnya, hasil pindaian 1 megapixel dari cetakan tahun 90-an yang diperbesar untuk dicetak atau dibagikan dengan jelas.
• Gambar web unduhan yang harus Anda gunakan. Gambar stok kecil atau klien yang perlu mengisi tata letak yang lebih besar.
• Seni digital dan aset game. Menskalakan ilustrasi dan sprite art sambil mempertahankan garis bersih (model anime unggul di sini).
• Memperbaiki JPEG terkompresi. Real-ESRGAN dilatih pada degradasi dunia nyata, jadi ia sebagian membalikkan pemblokiran JPEG saat melakukan upscaling.
• Bingkai video. Mengambil gambar diam dari video beresolusi rendah untuk thumbnail atau cetakan.

Dalam setiap kasus kejujuran yang harus disampaikan adalah sama: model ini meningkatkan sumber resolusi rendah, bukan mengubahnya menjadi foto yang diambil pada resolusi tinggi. Jika Anda dapat mengambil ulang atau menemukan master beresolusi lebih tinggi, lakukan itu — panduan konversi RAW ke JPG membahas memulai dari tangkapan resolusi tinggi yang nyata.

Bagaimana cara menjalankan Real-ESRGAN?

CLI realesrgan-ncnn-vulkan berjalan pada CPU/GPU tanpa lingkungan Python:

## 4x upscale foto
realesrgan-ncnn-vulkan -i input.jpg -o output.jpg -n realesrgan-x4plus

## Model seni digital/anime (garis lebih bersih)
realesrgan-ncnn-vulkan -i input.png -o output.png -n realesrgan-x4plus-anime

## Sebuah folder
realesrgan-ncnn-vulkan -i input_dir -o output_dir -n realesrgan-x4plus

Untuk integrasi Python, paket realesrgan membungkus model untuk digunakan dalam pipeline. Keduanya sumber terbuka di bawah lisensi permisif.

Kapan Real-ESRGAN gagal?

Mengetahui mode kegagalannya menyelamatkan Anda dari mempercayai output yang buruk:

• Kulit "plastik" pada wajah. Model umum terlalu menghaluskan kulit menjadi tekstur tidak alami. Gunakan model spesifik wajah (GFPGAN/CodeFormer) untuk potret.
• Teks berhalusinasi. Pada dokumen, ia menciptakan artefak seperti sapuan pena yang terlihat seperti teks tetapi sebenarnya bukan. Jangan menggunakannya untuk dokumen pindaian.
• Over-sharpening. Jika didorong terlalu jauh, output terlihat kasar. Model anime lebih lembut; pilih berdasarkan konten.
• Di luar 4x. Pengembalian menurun dengan cepat; menumpuk beberapa kali pass 4x memperparah artefak. Ambil ulang jika Anda membutuhkan lebih banyak.
• Gambar yang sudah besar. Upscaling foto tajam 2000px hanya menambah sedikit dan membuang daya komputasi.

Bagaimana perbandingannya dengan pengambilan ulang?

Real-ESRGAN adalah alat penyelamat, bukan pengganti resolusi. Foto yang diambil pada 3000px memiliki detail nyata yang hanya bisa ditebak oleh foto 750px yang di-upscale 4x. Jika Anda mengontrol penangkapan — bidik pada resolusi yang Anda butuhkan. Upscaling adalah untuk saat sumber asli beresolusi tinggi tidak ada: foto lama, gambar unduhan, file klien yang tiba dalam ukuran kecil. Lihat panduan konversi RAW ke JPG untuk memulai dari master resolusi tinggi.

Kesalahan umum

• Mempercayai output sebagai resolusi "sejati". Itu adalah detail yang masuk akal, bukan terukur. Jangan menggunakannya untuk bukti.
• Menggunakan model umum pada wajah. Model ini menghasilkan kulit plastik; gunakan model wajah.
• Upscaling di atas 4x. Pengembalian menurun dan penumpukan artefak.
• Upscaling gambar yang sudah tajam. Tidak ada manfaat, membuang daya komputasi.
• Melewatkan pemeriksaan 100%. Selalu periksa hasilnya pada ukuran penuh; output AI dapat menyembunyikan artefak yang terlihat baik saat diperkecil.

Pertanyaan yang sering diajukan

Apa itu Real-ESRGAN?

Meningkatkan resolusi gambar beresolusi rendah (terutama anime, ilustrasi, dan foto) sebesar 2x hingga 4x sambil mensintesis detail masuk akal. Ini adalah model terbuka pilihan untuk upscaling AI. Model ini memulihkan detail tampak yang tidak bisa dilakukan oleh resizing tradisional.

Bagaimana Real-ESRGAN berbeda dari upscaling klasik?

Upscaling klasik (bicubic) melakukan interpolasi di antara piksel yang sudah ada, yang melunakkan. Real-ESRGAN belajar dari pasangan resolusi rendah/tinggi, jadi ia menciptakan tekstur (kulit, kain, dedaunan) yang terlihat nyata. Pertimbangannya: ia dapat berhalusinasi detail yang tidak ada.

Model Real-ESRGAN mana yang harus saya gunakan?

Default (RealESRGAN_x4plus) untuk foto umum, model anime untuk ilustrasi, dan model spesifik wajah saat memperbesar potret. Pilih berdasarkan jenis konten — model yang salah akan menciptakan jenis detail yang salah.

Kapan Real-ESRGAN merugikan?

Pada teks, grafik tajam, dan gambar resolusi tinggi yang sudah ada, di mana tekstur buatan mendistorsi tepi atau menambahkan artefak yang tidak diinginkan. Paling baik pada foto dan ilustrasi pada 2x–4x. Lihat panduan upscaling.

Apakah Real-ESRGAN gratis digunakan?

Model ini sumber terbuka dan gratis untuk dijalankan secara lokal jika Anda memiliki GPU. Layanan hosting mengenakan biaya per gambar. Untuk batch, menjalankan secara lokal gratis; untuk sekali pakai, alat hosted nyaman. Lihat panduan upscaling.

Perangkat keras apa yang saya butuhkan untuk menjalankan Real-ESRGAN?

GPU dengan sekitar 8 GB VRAM untuk model standar pada 2x, lebih banyak untuk 4x atau gambar yang sangat besar. Tanpa GPU yang sesuai, gunakan layanan hosted yang menjalankan model untuk Anda. Jalankan hanya menggunakan CPU mungkin tetapi sangat lambat. Sesuaikan perangkat keras Anda dengan rasio upscaling dan ukuran gambar yang Anda butuhkan.

Apakah Real-ESRGAN gratis?

Model ini sumber terbuka dan gratis untuk dijalankan secara lokal jika Anda memiliki GPU; layanan hosted mengenakan biaya per gambar. Untuk batch, menjalankan secara lokal gratis; untuk sekali pakai, alat hosted nyaman. Lihat panduan upscaling.

Berapa lama Real-ESRGAN membutuhkan waktu?

Beberapa detik per gambar untuk upscale 2x pada GPU yang layak; lebih lama untuk 4x, file yang sangat besar, atau run hanya menggunakan CPU. Ini tidak real-time untuk batch. Perkirakan waktunya, atau gunakan layanan hosted yang menangani antrian komputasi. Default 2x adalah titik manis antara kecepatan dan kualitas.

Apakah Real-ESRGAN berfungsi pada anime dan ilustrasi?

Ya, dan seringkali lebih baik daripada pada foto — ada model anime khusus yang disesuaikan untuk warna datar dan garis bersih dari ilustrasi, yang menghasilkan detail yang lebih tajam dan sesuai daripada model umum. Untuk anime, manga, dan ilustrasi digital, gunakan model spesifik anime; untuk foto, gunakan yang umum. Jenis konten menentukan model yang tepat.

Kredit Gambar

• Diagram upscaling sebelum/sesudah, arsitektur ESRGAN, dan batas upscaling — dibuat oleh penulis dari foto gaya e-commerce (Pexels #16675632, foto oleh Mikael Blomkvist) untuk mengilustrasikan pipeline dan batasan Real-ESRGAN.