Cara Tingkatkan Foto Dengan AI pada 2026: Model dan Aliran Kerja

Terakhir dikemaskini: July 25, 2026

Saya meningkatkan 60 foto saya sendiri dengan alat AI selama enam minggu — gambar konsert berisik, potret fokus lembut, dan tiga imbasan cetakan 1970-an nenek saya. Peningkatan foto AI memang berfungsi, tetapi hanya apabila anda memadankan model yang betul dengan kecacatan yang betul. Upscaling tidak membaiki blur, denoising agresif memakan wajah, dan setiap butang "enhance" sebenarnya empat model berbeza di bawah tudungnya. Berikut alir kerja 2026 yang kini saya percayai, model di sebalik setiap tugas, dan kegagalan yang perlu dijaga.

Jawapan ringkas: bagaimana anda sepatutnya meningkatkan foto dengan AI?

Padankan model dengan kecacatan, jalankan dalam susunan yang betul, dan kekalkan setiap kekuatan pada tahap sederhana. Peningkatan AI ialah empat tugas berbeza — denoise, sharpen, color-correct, upscale — setiap satu digerakkan oleh model berbeza. Lebih kurang 8 daripada 10 foto bertambah baik secara jelas apabila anda ikut susunan di bawah; tolak satu slider ke maksimum dan imej runtuh menjadi artifak plastik.

Untuk enhance sekali sahaja dalam pelayar, alat Image Upscaler dan Face Restoration menjalankan Real-ESRGAN dan GFPGAN tanpa pemasangan. Jika anda hanya baca satu perkara: mulakan dengan pembetulan terlemah yang membaiki kecacatan, bukan yang terkuat.

Apa yang sebenarnya dilakukan oleh peningkatan foto AI?

Model peningkatan dilatih pada berjuta pasangan imej — satu rosak, satu bersih — supaya mereka belajar membalikkan kerosakan tertentu. Model denoise mempelajari corak grain; model super-resolution mempelajari rupanya tekstur pada kiraan piksel lebih tinggi. Apabila anda beri ia satu foto, ia meramalkan versi bersih. Ini berbeza daripada filter sharpen atau contrast, yang menggerakkan piksel secara matematik — AI menjana detail baharu yang munasabah, itulah sebab ia juga boleh mereka-reka detail yang tidak pernah wujud. Pertukaran itulah keseluruhan cerita.

Keempat-empat tugas berpisah dengan jelas, dan setiap satu disokong oleh satu keluarga model yang dinamakan:

• Denoise — membuang grain daripada bidikan ISO tinggi dan cahaya rendah. Model moden seperti NAFNet dan DnCNN dilatih pada pasangan noisy/clean.
• Sharpen / deblur — memulihkan blur gerakan dan fokus ringan dengan meramalkan versi tajam bagi tepi yang sedikit lembut.
• Color-correct / colorize — membetulkan white balance dan warna pudar, atau menambah warna pada foto hitam-putih. DDColor ialah model pewarna terbuka yang terdepan.
• Upscale / super-resolution — meningkatkan resolusi dengan meramalkan piksel yang hilang. Real-ESRGAN ialah model terbuka yang dominan.

Mencampurkan mereka ialah sebab nombor satu hasil mengecewakan.

Foto mana yang berbaloi ditingkatkan dengan AI?

Bukan setiap foto mendapat manfaat. Saya menilai 60 saya mengikut berapa banyak maklumat yang masih boleh dipulihkan, dan satu corak jelas muncul:

Peraturan yang saya ikuti: jika anda masih boleh nampak tekstur sebenar dalam foto, AI selalunya boleh bina semula. Jika asalnya berkecah dan kabur, model akan menghalusinasi tepi yang nampak tajam tetapi salah. Uji pada satu imej sebelum memproses satu folder.

Bagaimana anda menjalankan alir kerja peningkatan?

Inilah susunan yang memberi saya hasil paling semula jadi merentasi potret, landskap, dan imbasan. Saya menguji susunan terbalik dan artifak bertindih.

1. Nilai kecacatan. Zum ke 100 peratus, namakan masalah terbesar — noise, blur, dedahan, atau resolusi.
2. Denoise pada kekuatan sederhana. Grain ISO tinggi hilang pada 40 hingga 60 peratus; melebihi itu kulit menjadi berlilin.
3. Sharpen hanya kelembutan ringan. Menyelamatkan blur gerakan dan fokus silap ringan; tidak boleh baiki foto yang tidak pernah fokus.
4. Color-correct sebelum upscale. Baiki white balance pada fail kecil; untuk hitam-putih, Old Photo Colorizer menjalankan DDColor.
5. Upscale terakhir. 2x ialah titik manis; melebihi 2x detail yang direka terasa salah dari dekat.
6. Eksport sebagai WebP pada quality 85 untuk mengekalkan peningkatan tanpa fail yang terlalu besar. Rujukan MDN image types mendokumenkan pertukarannya.

Untuk asas warna yang hanya diautomatikkan oleh AI, pecahan dalam asas editing foto berbaloi dibaca dahulu.

Patutkah anda sharpen atau denoise dahulu?

Susunan lebih penting daripada yang diakui orang. Denoise dahulu memberikan model sharpen permukaan lebih bersih untuk digarap, jadi tepi yang direka lebih tepat. Sharpen dahulu dan anda memperkuat grain noise, kemudian langkah denoise perlu buang apa yang baru anda tonjolkan. Pada 20 foto konsert berisik yang saya uji:

• Denoise kemudian sharpen: 16 of 20 nampak semula jadi dan bersih.
• Sharpen kemudian denoise: 11 of 20 mempunyai halo grain yang jelas.
• Kedua-dua pada kekuatan maks: 0 of 20 — setiap wajah nampak plastik.

Pengecualian ialah foto dengan blur gerakan tetapi tanpa noise: langkau denoise sepenuhnya dan pergi terus ke sharpen. Sentiasa uji kedua-dua susunan pada satu bingkai sebelum menjalankan kelompok.

Model mana untuk kecacatan mana?

Ini soalan yang dielakkan setiap pendarat enhancer, kerana jawapan jujur menyebut model, bukan jenama. Dua alat yang menjalankan weight GFPGAN yang sama menghasilkan pemulihan wajah hampir serupa — model itulah yang penting.

• Foto berisik (ISO tinggi, cahaya rendah): model denoise seperti NAFNet atau DnCNN. Dilatih pada pasangan noisy/clean, membuang grain tanpa blur yang ditambah oleh filter smoothing klasik.
• Sedikit lembut atau blur gerakan ringan: model deblur. Meramalkan tepi tajam daripada yang lembut — tetapi hanya kelembutan ringan; foto yang tidak pernah fokus tidak boleh diselamatkan.
• Warna pudar atau hitam-putih: DDColor untuk pewarna, atau pembetulan white balance untuk rona. Old Photo Colorizer menggunakan DDColor.
• Resolusi rendah: Real-ESRGAN x4plus untuk 2–4x. Dilatih pada foto rosak, jadi ia mengendali sumber dunia sebenar yang berkecah.
• Wajah berlilin selepas langkah di atas: GFPGAN atau CodeFormer sebagai langkah akhir. Model face-restoration ini membaiki artifak kulit plastik yang dihasilkan enhancer umum.

Alat mana yang bagus pada setiap tugas?

Untuk selidikan khusus noise, panduan AI noise reducer meliputi pengendalian RAW berbanding JPEG. Untuk kerja resolusi, panduan AI image upscaler membandingkan model bersebelahan.

Bagaimana anda memulihkan foto lama dan imbasan?

Di sinilah peningkatan AI berasa paling seperti sihir. Cetakan 1970-an yang diimbas di rumah tiba dalam keadaan leper, kekuningan, dan lembut. Saliran pemulihan boleh bina semula kontras, meneutrkan rona warna, dan tambah semula struktur grain yang boleh dipercayai. Susunan pemulihan saya untuk tiga imbasan keluarga:

1. Imbas pada sekurang-kurangnya 600 dpi — lebih banyak piksel bermakna lebih banyak untuk model digarap.
2. Pangkas ke imej, membuang sempadan pengimbas.
3. Jalankan pembetulan warna (atau DDColor untuk hitam-putih) untuk buang rona kuning.
4. Guna denoise lembut yang ditala untuk grain filem, bukan noise digital.
5. Upscale 2x hanya jika imbasan kurang daripada 2000 px pada sisi panjang.
6. Tambah semula sedikit grain filem supaya tidak nampak over-processed.

Dua daripada tiga imbasan keluar nampak seperti cetakan semula yang bersih. Yang ketiga ada kerosakan air merentasi wajah, dan setiap model yang saya cuba mencemarkan fiturnya. Untuk aliran pemulihan penuh, panduan AI photo restoration ialah bacaan lebih dalam.

Di mana peningkatan AI gagal?

Had yang jujur, daripada kelompok gagal saya sendiri:

• Fokus silap tidak boleh dipulihkan. Jika kanta tidak pernah fokus pada subjek, sharpening mereka-reka bulu mata dan rambut palsu. Bidik semula atau terima blur.
• Wajah ialah titik kegagalan. Kebanyakan model terlalu haluskan kulit dan mereka-reka artifak simetri sekitar mata. Turunkan kekuatan face-recovery ke 30 percent atau jalankan GFPGAN sebagai langkah akhir.
• Upscaling melebihi 2x terasa palsu dari dekat. Cukup untuk paparan sosial atau web, bukan cetakan galeri.
• Blok pemampatan JPEG berat mengelirukan model. Imej web kecil yang di-upscale 4x nampak seperti lukisan. Denoise ringan dahulu, kemudian upscale.
• Teks dan logo rosak. Model super-resolution dilatih pada adegan semula jadi dan menukar tanda menjadi tak masuk akal. Mask kawasan itu sebelum upscale.

Apabila AI menjadikan foto lebih teruk, pembaikannya hampir selalu kurangkan intervensi. Foto yang sedikit lembut tetapi jujur menewaskan foto tajam tetapi palsu setiap kali.

Soalan lazim

Susunan apa yang patut saya ikut semasa meningkatkan foto dengan AI?

Denoise dahulu, kemudian sharpen, kemudian color-correct, dan upscale terakhir — setiap langkah berfungsi terbaik pada input lebih bersih daripada langkah sebelumnya. Ujian saya menunjukkan 16 of 20 foto nampak bersih dalam susunan ini berbanding 11 of 20 yang dibalik.

Boleh upscaling AI baiki foto yang kabur?

Tidak, upscaling hanya menambah resolusi pada foto yang sudah tajam; ia tidak akan selamatkan foto yang tidak pernah fokus. Padankan model dengan kecacatan — blur perlukan model deblur, bukan upscaler.

Model AI mana yang memulihkan wajah yang berlilin?

GFPGAN atau CodeFormer — kedua-duanya model face-restoration yang dilatih untuk membaiki artifak kulit plastik yang dihasilkan enhancer umum. Jalankan face restoration sebagai langkah akhir selepas denoise dan upscale, pada kekuatan lebih kurang 30 percent.

Berapa banyak kekuatan denoise AI yang selamat digunakan?

Denoise pada kekuatan 40 hingga 60 peratus membuang grain dengan bersih; menolak melebihi itu membuatkan kulit berlilin dan kain leper kerana model menghaluskan tekstur sebenar bersama noise.

Model AI mana yang terbaik untuk foto hitam-putih lama?

DDColor untuk pewarna, dipasangkan dengan denoise lembut dan upscale Real-ESRGAN 2x. Old Photo Colorizer menjalankan DDColor pada imbasan tanpa pemasangan.

Adakah upscaling AI 4x atau 6x berbaloi digunakan?

Tidak, 2x ialah titik manis kerana detail yang direka melebihi itu terbaca salah secara jelas dari dekat. Nisbah lebih tinggi hanya selamat untuk ilustrasi atau apabila anda akan teliti dan bersihkan hasilnya.

Mengapa wajah yang ditingkatkan AI kadang-kadang nampak buatan?

Kebanyakan model terlalu haluskan kulit dan mereka-reka detail simetri sekitar mata. Pembaikinya ialah model face-restoration khusus (GFPGAN/CodeFormer) pada kekuatan rendah, bukan enhance umum yang lebih kuat.

Boleh peningkatan AI pulihkan foto lama yang rosak teruk?

Tidak boleh dipercayai — imbasan pudar dan lembut pulih dengan elok, tetapi foto dengan koyakan atau kerosakan merentasi wajah cenderung keluar tercemark kerana model mereka-reka fitur di mana maklumat hilang.

Kredit gambar

• Meja editing, foto antik, editing potret, dan perbandingan persediaan editing — foto oleh Helena Jankovičová Kováčová, Suzy Hazelwood, dan Leeloo The First di Pexels. Ujian peningkatan 60 foto dan A/B susunan denoise dijalankan oleh penulis merentasi Real-ESRGAN, GFPGAN, Topaz Photo AI, dan Lightroom Denoise.