آپ‌اسکیل و ترمیم تصویر لوکال؛ از Real-ESRGAN تا Workflow نهایی

آپ‌اسکیل لوکال در نگاه اول ساده است: تصویر کوچک را بزرگ کنیم. اما مدل‌های AI فقط resize نمی‌کنند؛ ممکن است texture، لبه و حتی جزئیاتی را که در منبع وجود نداشته‌اند «حدس» بزنند.

برای تصویر هنری این می‌تواند مزیت باشد. برای عکس آرشیوی، چهره واقعی، مدرک یا محصول، همین قابلیت می‌تواند مشکل ایجاد کند.

آپ‌اسکیل لوکال سه کار متفاوت است

این سه مفهوم را جدا کنید:

Resize

بزرگ‌کردن هندسی با interpolation. اطلاعات تازه واقعی اضافه نمی‌شود.

Super-Resolution

مدل تلاش می‌کند ساختار high-frequency محتمل را بازسازی کند.

Generative Upscale

مدل آزادی بیشتری برای ساخت جزئیات تازه دارد.

هرچه به گزینه سوم نزدیک شوید، تصویر جذاب‌تر می‌تواند بشود ولی fidelity به منبع کمتر تضمین می‌شود.

Real-ESRGAN چرا هنوز مهم است؟

Real-ESRGAN یکی از پروژه‌های شناخته‌شده برای restoration عملی تصویر واقعی است و نسخه‌های مختلف آن در ابزارهای زیادی استفاده می‌شوند.

مرجع رسمی: Real-ESRGAN در GitHub

مزیت رویکرد کلاسیک‌تر این است که برای برخی تصاویر نتیجه قابل‌پیش‌بینی‌تری نسبت به generative redraw می‌دهد.

اول منبع را بررسی کنید

قبل از upscale مشخص کنید مشکل چیست:

• resolution پایین؛
• JPEG artifact؛
• blur؛
• noise؛
• compression؛
• face damage؛
• moiré؛
• رنگ خراب.

یک مدل برای همه مشکلات مناسب نیست.

ترتیب عملیات مهم است

مثلاً اگر تصویر نویز شدید دارد و مستقیم upscale کنید، مدل ممکن است noise را texture فرض کند.

یک pipeline نمونه:

1. crop و rotate؛
2. denoise سبک؛
3. deblock در صورت نیاز؛
4. upscale؛
5. face restoration موضعی؛
6. sharpen کنترل‌شده؛
7. color؛
8. export.

اما برای هر تصویر این ترتیب ثابت نیست.

Face Restoration؛ ابزار خطرناک و مفید

مدل‌های face restore می‌توانند چشم، پوست و لب را بازسازی کنند، ولی ممکن است identity را تغییر دهند.

برای عکس مشتری:

• قبل/بعد را با opacity مقایسه کنید؛
• restoration را روی layer جدا انجام دهید؛
• mask فقط صورت؛
• intensity پایین‌تر؛
• هویت را در چند landmark بررسی کنید.

محصول؛ geometry مهم‌تر از texture خیالی

در ساعت، جواهر، کفش یا قطعه صنعتی، AI ممکن است:

• لوگو را تغییر دهد؛
• پیچ اضافه کند؛
• pattern بسازد؛
• نوشته را خراب کند.

برای e-commerce، generative upscale باید محافظه‌کار باشد.

بهتر است shape و متن از تصویر اصلی حفظ شوند و فقط noise/edge بهبود یابد.

Tiled Upscale برای VRAM محدود

تصویر بزرگ می‌تواند VRAM زیادی مصرف کند. tiled processing تصویر را تکه‌تکه پردازش می‌کند.

پارامترهای مهم:

• tile size؛
• overlap؛
• seam blending؛
• padding.

Tile کوچک حافظه کمتر می‌خواهد ولی احتمال inconsistency بیشتر است.

برای مدیریت حافظه، راهنمای GPU و VRAM را ببینید.

Upscale در ComfyUI

ComfyUI اجازه می‌دهد چند روش را branch کنید:

Branch A: Real-ESRGAN.

Branch B: latent/generative upscale.

Branch C: face restore.

بعد خروجی‌ها را مقایسه کنید و فقط بخش مناسب هرکدام را نگه دارید.

ComfyUI حرفه‌ای درباره branch و نسخه‌گذاری workflow توضیح می‌دهد.

عدد 4x همیشه لازم نیست

اگر خروجی برای وب 1600px لازم است، ساخت 6000px و downscale دوباره فقط زمان هدر می‌دهد.

از مقصد شروع کنید:

• Instagram؛
• سایت؛
• چاپ؛
• ویدئوی 4K؛
• crop.

رزولوشن master باید دلیل داشته باشد.

Sharpen آخر کار، نه وسط هر مرحله

چند sharpen پشت سر هم halo و edge مصنوعی می‌سازد.

بهتر:

• restoration؛
• upscale؛
• resize نهایی؛
• sharpen براساس خروجی.

برای چاپ، sharpening با وب متفاوت است.

چگونه جزئیات ساختگی را پیدا کنیم؟

Zoom 100% کافی نیست. این نواحی را بررسی کنید:

• چشم و دندان؛
• متن؛
• لوگو؛
• انگشت؛
• توری و پارچه؛
• مو؛
• reflection؛
• لبه فلزی.

AI در الگوهای ریز ممکن است چیزی plausible ولی نادرست بسازد.

آرشیو تاریخی یا مستند

برای تصویر تاریخی باید نسخه «ترمیم‌شده» را از original جدا نگه دارید.

هرگز فایل اصلی را overwrite نکنید.

ساختار:

• ORIGINAL
• CLEANED
• UPSCALED
• RESTORED_GENERATIVE

این نام‌گذاری شفافیت حفظ می‌کند.

Batch Processing

برای ۵۰۰ تصویر، تنظیم یکسان خطرناک است. قبل از batch کامل:

1. ۲۰ نمونه از حالات مختلف انتخاب کنید.
2. preset را تست کنید.
3. failureها را دسته‌بندی کنید.
4. برای هر دسته preset بسازید.
5. سپس batch.

کنترل کیفیت

معیار فقط sharpness نیست:

• identity؛
• geometry؛
• text fidelity؛
• artifact؛
• skin texture؛
• halo؛
• color shift.

گاهی خروجی کمی نرم‌تر ولی faithful بهتر است.

کاربرد در خط تولید AI

تصویر generated هم معمولاً به finishing نیاز دارد. اما generative model ممکن است خودش texture ساخته باشد؛ upscale generative دوم می‌تواند hallucination را دو برابر کند.

برای خروجی Qwen-Image-2.1 یا FLUX، روش محافظه‌کار را هم تست کنید.

جمع‌بندی

آپ‌اسکیل لوکال مرحله «بزرگ کن» نیست؛ مرحله تصمیم درباره حقیقت تصویر است. هرچه مدل خلاق‌تر باشد، باید QC سخت‌تر شود.