U krijgt het werkelijke resultaat te zien, niet slechts een vage voorbeeldafbeelding.Gratis betekent dat u de gerestaureerde foto in volledige resolutie ontvangt – dezelfde bestandsgrootte die een betaalde tool u zou verkopen.
"Uw foto restaureren met één klik" klinkt als tovenarij, en de meeste websites laten het daarbij. Wij vinden het belangrijker dat u begrijpt wat er daadwerkelijk gebeurt: door te weten hoe het werkt, weet u ook precies wat het niet kan doen.
AI-restauratiemodellen zijn getraind met miljoenen foto's om te leren hoe scherpe details, natuurlijke kleuren en echte gezichten eruitzien. Vervolgens gebruiken ze die kennis om een plausibele versie van je beschadigde foto opnieuw op te bouwen. Het is overtuigende synthese, geen herstelde originele gegevens: ideaal voor vervaagde, vage of laag-resolutie foto's, maar minder effectief bij fysiek ontbrekende delen.
Elk restauratiemodel is een neuraal netwerk dat op dezelfde manier is getraind: neem miljoenen schone foto's, maak er kunstmatig verslechterde kopieën van (wazig maken, verkleinen, korrel toevoegen, comprimeren, vervagen) en train het netwerk om elke verslechterde kopie terug te zetten in het origineel. Herhaal dit op enorme schaal, en het netwerk leert twee dingen: wat de effecten zijn van degradatie op echte foto's, en hoe de scherpe versies van texturen uit de echte wereld (huid, haar, stof, baksteen, bladerdak) er daadwerkelijk uitzien.
Wanneer je vervolgens de vervaagde scan aan het programma geeft, past het de opgedane kennis toe: "dit vlekje, in deze context, is wat een scherp oog er na vijftig jaar vervaging waarschijnlijk uitziet: hier is dat oog, gereconstrueerd." Het haalt niet zomaar verloren pixels uit je foto; het genereert nieuwe pixels die statistisch consistent zijn met wat er nog over is. Dit onderscheid is belangrijk en daar komen we later op terug.
De functie voor verscherpen en opschalen maakt gebruik van een superresolutiemodel, een veelgebruikte, grondig onderzochte open architectuur. Op basis van een afbeelding genereert het een versie met vier keer zoveel pixels in elke richting, waarbij de nieuwe pixels worden ingevuld met geleerde texturen in plaats van de vloeiende interpolatie die een normale foto-editor gebruikt.
Het verschil is gemakkelijk te zien. Bij klassiek vergroten (bicubische interpolatie) worden de omliggende pixels gemiddeld, dus een 4x vergroting resulteert gewoon in dezelfde wazigheid, maar dan groter. Een superresolutiemodel stelt daarentegen voor elk gebied de vraag: "welke scherpe structuur heeft deze vage pixels het meest waarschijnlijk veroorzaakt?" en tekent dat. De randen worden echt scherp, filmkorrel en JPEG-blokvorming worden tijdens het proces opgeruimd en texturen komen terug met geloofwaardige details. Het is in het bijzonder getraind op sterk aangetaste afbeeldingen (wazigheid + ruis + compressie gecombineerd), waardoor het zo goed omgaat met oude scans, waarvan de schade altijd een rommelige combinatie is en niet slechts één enkele fout.
Twee praktische punten over hoe we het gebruiken: grote foto's worden verwerkt in overlappende tegels, zodat de GPU ze kan verwerken, en de invoer wordt beperkt tot een redelijke grootte: als je een scan van 60 megapixels door een 4x-model haalt, zou dat anders absurde bestanden opleveren. Hoe beter de kwaliteit van je originele afbeelding, hoe beter het resultaat, daarom is een goede scan belangrijk: bekijk onze handleiding voor het scannen.
De functie voor kleurisatie doet iets subtiel anders. Een zwart-witfoto bevat al de helderheid van elke pixel: wat ontbreekt is de kleurinformatie. Het model laat het helderheidskanaal intact en voorspelt alleen de twee kleurkanalen, waarbij het gebruikmaakt van context: het heeft geleerd uit miljoenen kleurenfoto's dat luchten blauw zijn, bladeren groen, huid een bepaalde tint heeft en hout bruin is. Omdat de oorspronkelijke helderheid behouden blijft, bevat het resultaat nog steeds alle details van de echte structuur van de foto: het model "kleurt alleen binnen de lijnen" die het krijgt.
Kleurisatie is een plausibele voorspelling, geen historisch documentHet model kan niet weten dat de jurk van je oma daadwerkelijk rood was: het kiest een kleur die statistisch gezien waarschijnlijk is voor een jurk met die tint in die tijd. Objecten zonder sterke kleurnormen (auto's, kleding, geverfde muren) zijn precies waar het de meeste fouten maakt. Beschouw een ingekleurde foto als een interpretatie die het verleden dichterbij brengt, niet als bewijs van welke kleuren dingen hadden.
Gezichten krijgen hun eigen modus (gezichten herstellen) om een goede reden: mensen zijn extreem gevoelig voor gezichten. Een generiek opschalingsmodel dat prachtig werk levert op een bakstenen muur, kan een gezicht subtiel "verkeerd" laten lijken, wat iedereen onmiddellijk opmerkt. Gezichtsherstelmodellen (het onze is van de CodeFormer-familie) zijn uitsluitend getraind op gezichten en beschikken daarom over veel meer kennis over de gelaatstructuur: hoe ogen, tanden en huidtextuur er op elke leeftijd en vanuit elke hoek uitzien. De pipeline detecteert elk gezicht in de foto, herstelt het met het specialistische model en integreert het terug in de omringende afbeelding.
Deze modellen hebben een "fidelity"-knop: stel je deze in op de ene kant in, dan blijft de uitvoer zo trouw mogelijk aan de beschadigde invoer (maar wordt er minder hersteld); stel je deze in op de andere kant in, dan worden gezichten prachtig scherp (maar verzint het model meer). We gebruiken een bewust getrouwe instelling, omdat bij familiefoto's gelijkenis belangrijker is dan schoonheid.
Bij een licht wazig gezicht wordt de reconstructie geleid door voldoende overgebleven pixels en blijft het zeer trouw aan het origineel. Bij een sterk beschadigd gezicht (een kleine vlek van een gezicht in een groepsfoto) moet het model de meeste details verzinnen, en het resultaat kan afwijken van hoe de persoon er daadwerkelijk uitzag. Het zal lijken op een echt gezicht; of het precies hun Het is niet gegarandeerd dat gezichten correct worden hersteld. Als de identiteit belangrijk is, vergelijk de foto dan met andere foto's van dezelfde persoon.
Al het bovenstaande draait op onze eigen GPU-hardwareen daarom is deze tool gratis te gebruiken, zonder dat u een account hoeft aan te maken of dat er een watermerk wordt toegevoegd, en uw foto kan direct na de bewerking van de server worden verwijderd. Upload een foto, gebruik de schuifregelaar om het verschil tussen voor en na te bekijken, en beoordeel het resultaat op basis van de verwachtingen die op deze pagina zijn geschetst. Dat is de overeenkomst die we nastreven: indrukwekkende resultaten, met eerlijke uitleg.