ぼやけたプレビューではなく、実際の仕上がりを確認できます。無料であるということは、有料ツールが販売するのと変わらない、フルサイズの修復済み写真を入手できるということです。
「ワンクリックで写真を修復」という言葉は魔法のように聞こえますが、多くのサイトはその説明で終わらせてしまいます。私たちは、実際に何が行われているのかを理解していただきたいと考えています。仕組みを知ることで、このツールがどのような限界があるのかも明確になります。
AIによる修復モデルは、何百万枚もの写真を使って学習し、鮮明なディテール、自然な色、そして本物の顔がどのようなものかを理解します。その後、その知識に基づいて、損傷した写真をそれらしく再構築します。これは、元のデータを復元するのではなく、説得力のある合成画像を作成するものであり、色あせたり、ぼやけたり、解像度の低い写真には最適ですが、物理的に欠損している部分を完全に修復することはできません。
すべての修復モデルは、同じ基本的な方法でトレーニングされたニューラルネットワークです。まず、何百万枚もの鮮明な写真を収集し、それらのコピーを人為的に劣化させます（ぼかし、縮小、ノイズの追加、圧縮、色あせ）。そして、その劣化させたコピーを元の鮮明な状態に戻すようにネットワークをトレーニングします。これを大規模に繰り返すと、ネットワークは2つのことを学習します。1つ目は、劣化が 実際の写真にどのような影響を与えるか、そして2つ目は、現実世界のテクスチャ（肌、髪、布地、レンガ、葉など）の鮮明なバージョンが実際にどのようなものかです。 to real photos, and what the sharp versions of real-world textures (skin, hair, fabric, brick, foliage) actually look like.
古い写真のスキャンデータを読み込むと、このツールは学習済みの情報を活用します。「この汚れは、この状況下では、長年の経過によってぼやけたシャープな部分として認識される。そこで、その部分を再構築する」という処理を行います。元の写真の失われたピクセルをどこかから取り出すのではなく、 統計的に整合性のある新しいピクセルを生成します。 この点が重要であり、後で詳しく説明します。
シャープネスと高解像度化の モードでは、広く使用され、研究されているオープンアーキテクチャである超解像モデルを使用しています。画像を入力すると、各方向のピクセル数を4倍にしたバージョンを出力します。新しいピクセルは、通常の写真編集ソフトが使用する単純な補間ではなく、学習済みのテクスチャで埋められます。 その違いは一目でわかります。従来の拡大処理（双三次補間）では、隣接するピクセルの平均値を使用するため、4倍に拡大しても単にぼやけが大きくなるだけです。一方、超解像モデルでは、各領域について「このぼやけたピクセルを最も合理的に生成したのはどのようなシャープな構造か」を判断し、それを描画します。これにより、エッジがより鮮明になり、フィルムの粒子感やJPEGのブロック状ノイズが除去され、テクスチャがより自然なディテールで再現されます。特にこのモデルは、激しく劣化させた画像（ぼかし+ノイズ+圧縮を組み合わせたもの）でトレーニングされているため、古いスキャンデータのような、単一の欠陥ではなく、さまざまな損傷が混在している場合に優れた結果をもたらします。
実際の運用から得られた2つのポイント：大きな写真の場合、GPUが処理できるようにオーバーラップしたタイルに分割して処理し、入力サイズを適切な範囲に制限しています。60メガピクセルのスキャンデータを4倍のモデルで処理すると、途方もないサイズのファイルが生成されるためです。入力画像の品質が良いほど、出力画像の品質も向上するため、高品質のスキャンデータを使用することが重要です。詳細については、当社の
スキャンガイドをご覧ください。 カラー化：コンテキストから色を予測する.
モードでは、少し異なる処理を行います。白黒写真にはすでに 明るさの情報が mode does something subtly different. A black & white photo already contains the brightness 各ピクセルの情報：欠けているのは色情報です。モデルは明るさの情報をそのままに、周囲の情報に基づいて2つの色のチャンネルを予測します。何百万枚ものカラー写真から、空は青く、葉は緑で、肌の色にはある範囲があり、木は茶色であるということを学習しています。元の明るさを保持することで、結果として得られる画像は、写真の本来の構造をすべて維持できます。モデルは、与えられた範囲内で「色を塗り」ます。
色付けとは、 あり得る予測であり、歴史的な記録ではありません。モデルは、おばあ様のドレスが実際に赤色であったことを知ることはできません。その時代の写真で、その色のドレスに最も可能性の高い色を選択します。強い色彩の慣習がない物体（車、衣服、塗装された壁）は、モデルが最も推測する対象です。色付けされた写真は、過去をより身近に感じさせる解釈として捉え、物体の色がどうであったかの証拠としては捉えないでください。
顔には専用のモードがあります（顔を修復）。その理由は、人間は顔に対して非常に敏感だからです。レンガの壁を美しく処理できる一般的な画像拡大ツールでも、顔をわずかに「不自然」に見せてしまうことがあります。これは誰もがすぐに気づくでしょう。顔の修復モデル（当社のものはCodeFormerファミリーに属します）は、顔のみでトレーニングされており、顔の構造に関するより強力な事前知識を持っています。つまり、あらゆる年齢と角度での目、歯、肌の質感の外観です。このプロセスでは、写真内の各顔を検出し、専門的なモデルを使用して修復し、周囲の画像にブレンドします。
これらのモデルには「忠実度」調整機能があります。一方の方向に調整すると、出力は劣化された入力に対して最大限に忠実になります（ただし、修復される量は少なくなります）。もう一方の方向に調整すると、顔が非常に鮮明に表示されます（ただし、モデルがより多くの情報を補完します）。当社では、意図的に忠実度の高い設定を使用しています。なぜなら、家族写真の場合、美しさよりも似ている方が重要だからです。
わずかにぼやけた顔の場合、再構築は残っている多くのピクセルによってガイドされ、非常に正確に再現されます。ひどく劣化している顔（グループ写真の中の小さなシミのような顔）の場合、モデルはほとんどすべての詳細を補完する必要があり、結果として得られる画像は、その人物が実際にどのような外見であったかからずれてしまう可能性があります。それは 実際の 顔のように見えるでしょう。それが その人々と完全に 顔の再現は保証されません。もし人物の特定が重要な場合は、同じ人物の写真と照らし合わせて比較してください。
上記のすべての機能は、 当社独自のGPUハードウェア上で動作します。そのため、 このツールは 無料で利用でき、アカウント登録や透かしも必要ありません。また、処理後すぐに写真をサーバーから削除できます。写真をアップロードし、ビフォー/アフターのスライダーを動かして、このページで説明した期待値に基づいて結果を評価してください。それが私たちが望む形です：印象的な結果と正直な説明。