Real-ESRGAN AI Upscaling: Как это работает и когда использовать

Последнее обновление: June 27, 2026

Real-ESRGAN — это открытая модель, стоящая за большинством бесплатных инструментов "AI upscaler": она увеличивает изображения до 4x, предсказывая правдоподобные детали, которые не может обеспечить классическое изменение размера. Это действительно полезно для спасения фотографий низкого разрешения, старых сканов и цифрового искусства — но у него есть реальные ограничения и режимы сбоя. В этом руководстве объясняется, как он работает, что он делает хорошо и когда это не тот инструмент.

Краткий ответ: для чего нужен Real-ESRGAN?

Используйте его для увеличения изображений в 2–4 раза с восстановленной резкостью, когда вы не можете повторно сделать снимок в более высоком разрешении. Подберите модель к контенту:

Для одного изображения используйте Image Upscaler; для пакетов — Real-ESRGAN CLI. Чтобы принять общее решение об увеличении разрешения, см. how to upscale images.

Как работает Real-ESRGAN?

Real-ESRGAN — это модель GAN-based super-resolution. Генераторная сеть принимает входные данные низкого разрешения и генерирует выходной сигнал в 4 раза больше; дискриминаторы оценивают, выглядит ли результат как реальная высококачественная деталь, а генератор учится на этой обратной связи. Приставка "Real-" относится к его обучению на реальных деградациях (размытие, шум, артефакты сжатия), а не только на синтетическом понижении разрешения — именно поэтому он лучше справляется с артефактами JPEG и старыми фотографиями, чем более ранние модели super-resolution.

генератор повышает разрешение в 4 раза -> выход super-resolution, с оценкой дискриминаторов реальных и сгенерированных деталей">

В проекте Real-ESRGAN на GitHub описана архитектура, модели и эталонные показатели. Главный практический момент: он предсказывает детали, а не восстанавливает их — выходной сигнал является правдоподобным предположением, а не истинной высококачественной версией входных данных.

Что отличает от классического масштабирования?

Классическое изменение размера (Lanczos, bicubic) интерполирует между существующими пикселями — оно сглаживает, но не добавляет новой информации. Генератор Real-ESRGAN синтезирует новую высокочастотную детализацию (текстуру, края) на основе паттернов, которым он научился из обучающих данных. Результат выглядит резче, чем масштабирование Lanczos того же размера, но добавленная детализация является вымыслом, а не измерением.

Это различие важно: вывод Real-ESRGAN выглядит резче, но не более точным. Для использования, чувствительного к доказательствам (медицина, криминалистика, архивирование), синтезированная детализация является проблемой, а не функцией.

Как сравниваются модели Real-ESRGAN?

Каждая модель настроена для определенного типа контента. Выбор правильной модели — это разница между чистым результатом и излишне обработанным:

Общий рабочий процесс для портретной фотографии заключается в том, чтобы запустить общую модель для увеличения в 4 раза, а затем пропустить область лица через GFPGAN/CodeFormer для восстановления естественной текстуры кожи. Сочетание моделей таким образом использует сильные стороны каждой из них.

Каковы практические сценарии использования?

Real-ESRGAN занимает свое место в нескольких специфических ситуациях, когда оригинальный исходник более высокого разрешения просто недоступен:

• Старые семейные фотографии и сканы. Сканирование с разрешением 1 мегапиксель с распечатки 1990-х годов, увеличенное для печати или четкого обмена.
• Загруженные веб-изображения, которые необходимо использовать. Небольшое стоковое или клиентское изображение, которое нужно разместить в более крупном макете.
• Цифровое искусство и игровые ассеты. Масштабирование иллюстраций и спрайтов с сохранением чистых линий (аниме-модель превосходна в этом).
• Восстановление сжатых JPEG. Real-ESRGAN обучался на реальной деградации, поэтому он частично устраняет блокировку JPEG при увеличении разрешения.
• Видеокадры. Извлечение неподвижного кадра из видео низкого разрешения для миниатюры или печати.

В каждом случае честная оценка одна и та же: это улучшает исходник низкого разрешения, а не превращает его в фотографию, сделанную при высоком разрешении. Если вы можете переснять или найти мастер-файл более высокого разрешения, сделайте это вместо этого — руководство convert RAW to JPG охватывает съемку с реального исходника высокого разрешения.

Как запустить Real-ESRGAN?

CLI realesrgan-ncnn-vulkan работает на CPU/GPU без среды Python:

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

## Anime/digital art model (cleaner lines)
realesrgan-ncnn-vulkan -i input.png -o output.png -n realesrgan-x4plus-anime

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

Для интеграции с Python пакет realesrgan оборачивает модель для использования в конвейерах (pipelines). Оба являются открытым исходным кодом под разрешительной лицензией.

Когда Real-ESRGAN дает сбой?

Знание режимов отказа поможет вам не доверять плохому результату:

• «Пластичная» кожа на лицах. Общая модель чрезмерно сглаживает кожу, придавая ей неестественную текстуру. Для портретов используйте специализированную модель для лиц (GFPGAN/CodeFormer).
• Галлюцинированный текст. На документах он создает артефакты, похожие на штрихи и выглядящие как текст, но таковыми не являющиеся. Не используйте его для сканированных документов.
• Чрезмерная резкость (Over-sharpening). Если использовать слишком сильно, результат выглядит «хрустящим». Модель для аниме более мягкая; выбирайте в зависимости от контента.
• Более 4x. Результаты быстро ухудшаются; наложение проходов 4x усугубляет артефакты. Переснимайте, если вам нужно больше.
• Уже большие изображения (Already-large images). Увеличение четкого фото размером 2000px дает мало прироста и тратит вычислительные ресурсы.

Чем это отличается от повторного захвата?

Real-ESRGAN — это инструмент для спасения, а не замена разрешению. Фотография, сделанная при разрешении 3000px, имеет реальные детали, которые фотография в 750px, увеличенная в 4 раза, может только предполагать. Если вы контролируете процесс съемки — снимайте с нужным вам разрешением. Upscaling предназначен для случаев, когда оригинальный файл высокого разрешения не существует: старые фотографии, скачанные изображения, файлы клиента, которые пришли маленькими. Посмотрите руководство convert RAW to JPG, чтобы начать с исходника высокого разрешения.

Распространенные ошибки

• Доверие к результату как к «реальному» разрешению. Это правдоподобная деталь, а не измерение. Не используйте это в качестве доказательства.
• Использование общей модели для лиц. Она создает пластичную кожу; используйте модель лица.
• Увеличение выше 4x. Снижение отдачи и артефакты наложения.
• Увеличение уже четких изображений. Нет пользы, потраченные вычислительные ресурсы.
• Пропуск проверки на 100%. Всегда проверяйте результат в полном размере; вывод ИИ может скрывать артефакты, которые выглядят нормально при уменьшении масштаба.

Часто задаваемые вопросы

Для чего предназначен Real-ESRGAN?

Масштабирование изображений низкого разрешения (особенно аниме, иллюстраций и фотографий) в 2x–4x с синтезом правдоподобных деталей. Это ведущая открытая модель для AI upscaling. Она восстанавливает видимые детали, которые не может сделать традиционное изменение размера.

Чем Real-ESRGAN отличается от классического масштабирования?

Классическое масштабирование (bicubic) интерполирует между существующими пикселями, что приводит к размытию. Real-ESRGAN обучался на парах низкого/высокого разрешения, поэтому он придумывает текстуру (кожа, ткань, листва), которая выглядит реалистично. Компромисс: он может создать детали, которых изначально не было.

Какую модель Real-ESRGAN мне использовать?

По умолчанию (RealESRGAN_x4plus) для общих фотографий, аниме-модель для иллюстраций и специализированная модель для лиц при масштабировании портретов. Выбирайте в зависимости от типа контента — неправильная модель создаст не тот вид деталей.

Когда Real-ESRGAN может работать плохо?

На тексте, резкой графике и уже высококачественных изображениях, где сгенерированная текстура искажает края или добавляет нежелательные артефакты. Лучше всего использовать на фотографиях и иллюстрациях в диапазоне 2x–4x. См. руководство по масштабированию.

Бесплатно ли использовать Real-ESRGAN?

Модель с открытым исходным кодом и бесплатна для локального запуска, если у вас есть GPU. Хостинговые сервисы взимают плату за изображение. Для пакетной обработки локальный запуск бесплатен; для разовых задач удобен хостинг. См. руководство по масштабированию.

Какое оборудование мне нужно, чтобы запустить Real-ESRGAN?

GPU с примерно 8 GB VRAM для стандартной модели в 2x, больше — для 4x или очень больших изображений. Без подходящего GPU используйте хостинговый сервис, который запустит модель за вас. Запуск только на CPU возможен, но очень медленный. Подбирайте оборудование к коэффициенту масштабирования и размеру изображения, которые вам нужны.

Бесплатно ли Real-ESRGAN?

Модель с открытым исходным кодом и бесплатна для локального запуска, если у вас есть GPU; хостинговые сервисы взимают плату за изображение. Для пакетной обработки локальный запуск бесплатен; для разовых задач удобен хостинг. См. руководство по масштабированию.

Как долго работает Real-ESRGAN?

Несколько секунд на изображение при 2x увеличении на достойном GPU; дольше — для 4x, очень больших файлов или запусков только на CPU. Это не происходит в реальном времени для пакетной обработки. Заложите время или используйте хостинговый сервис, который обрабатывает очередь вычислений. Значение по умолчанию 2x является идеальным балансом между скоростью и качеством.

Работает ли Real-ESRGAN с аниме и иллюстрациями?

Да, и часто лучше, чем с фотографиями — существует специализированная модель для аниме, настроенная на плоские цвета и чистые линии иллюстраций, которая дает более четкие и подходящие детали, чем общая модель. Для аниме, манги и цифровых иллюстраций используйте специальную аниме-модель; для фотографий — общую. Тип контента определяет правильную модель.

Кредиты изображений

• Диаграммы «до/после масштабирования», архитектура ESRGAN и пределы масштабирования — сгенерированы автором на основе фотографии в стиле электронной коммерции (Pexels #16675632, фото от Mikael Blomkvist) для иллюстрации конвейера и пределов Real-ESRGAN.