Az upscale-gombok határai – és ami helyettük működik

Az egyik kedvenc esti tesztem az utóbbi hetekből: fogtam egy 1024×1024-es AI-képet – egy idős néni portréját, kardigánban, kertben –, és négy különböző felskálázón átküldtem. Négyzer 4-szeres nagyítás, ugyanazon a képen, ugyanolyan kereten. Aztán 200% zoomon, egymás mellé rakva, néztem a részleteket. Amit láttam, arra egyáltalán nem számítottam a saját elvárásaimmal. Ez a cikk arról a tesztről és annak őszinte olvasatáról szól. Fontos keret elöl: az eszköz-kritika nem terv-kritika – a te AI-terved gyönyörű; itt a szoftverek határait mérjük.

A teszt-keret: mi került az asztalra

Az alap-kép: egy 1024×1024 pixeles AI-portré – egy idős néni, kardigánban, kertben, természetes fényben. A kép jó volt, éles, kontrasztos, kellemes tónusokkal. Nem volt „rossz kép” – vagyis a felskálázókat nem hibajavításra tettem próbára, hanem tiszta felskálázásra.

A négy eszköz (ezeket most nem nevezem meg – nem konkrét szoftvereknek szánom a kritikát, hanem az eszközkategóriának): egy nagy, ismert online upscaler, egy AI-gen platformba beépített upscale-gomb, egy asztali app, és egy specializált „portré-fókusz” eszköz. Mindegyik 4x-es nagyítás, alapbeállítás, semmi extra tuning. Egy kimeneti méret, egy kimeneti fájl mindegyiktől.

Amit láttam: a kardigán négy féle mintát kapott

A 200%-os zoom után derült ki, hogy a kardigán négy különböző mintát kapott. Az eredeti képen egyszínű, mattos gyapjú-hatás volt, finom szemcsével. Az első felskálázón egyenletes „textíliás” hálót kapott, ami nem volt ott. A második egy diszkrét pöttyös mintát „talált”. A harmadik egy fényes csillanást hozott elő valahonnan. A negyedik egy szemcsés zajt kombinált egy „kötött-jellegű” ismétlő mintával.

Ezt a szoftverek „hallucinálásnak” hívják a szakma – az eszköz nem lát valódi részletet, ezért „elképzeli” azt. A gépi tanulás megtanulta, milyen egy kardigán textúrája jellemzően, és odarakja. Nem hiba – ez az eszköz természete. De ha a néni valóban ismert személy egy megrendelő számára, aki a portréját szeretné, ott az „új textúrás kardigán” nem édes: a kép nem a nénit ábrázolja többé, hanem egy hozzávetőleges változatot.

A bőr még kritikusabb

Amit a portré-fókuszú eszköznél tapasztaltam, arra nem voltam felkészülve. Az idős néni bőrén – ami az eredeti képen tisztán ránc-gazdag, textúrás, életkorát mutató volt – a felskálázás után egy furcsán kisimított, „fiatalított” felület jött ki. Nem drasztikusan, de a szem elkapta: „valami nem stimmel”. Az eszköz a portré-tréningben azt tanulta meg, hogy a szép portré sima – és a szépítés eszközök tempójában így is dolgozott.

Ez érzékeny terület: a portré arca a szeretteinké. Ha csak egy kicsit fiatalabbnak látszik a nagyi az upscale után, akkor a kép szemantikusan hazudik. Ezért mondom, hogy a portré-jellegű képekhez az upscale nem az ideális út – ott inkább emberi újraépítés kell.

Amikor a felskálázás igenis működik

Legyünk őszinték: nem minden képhez kell hibrid munka. Az upscale kifejezetten jó bizonyos képeknél. Absztrakt, textúrás, mintás felületek – itt a „hallucináció” gyakran érték: az eszköz a meglévő mintát folytatja, és az emberi szem ezt nem érzi hazugságnak. Tájképek, panorámák, absztrakt hátterek – itt a felskálázás jellemzően jó eredményt ad.

Web-használatra és kis-közepes nyomatra a legtöbb kép jól bírja az upscale-t. Egy A4-es, 30 centiről nézett nyomat – ott az apró textúra-hazugságokat a szem nem veszi észre. Egy Instagram-poszt esetén nyilvánvalóan senki nem foglalkozik ezzel.

A határ ott van, ahol a méret nagy, a nézőtávolság közeli, és a kép érzelmi vagy márkás tétje magas. Ott jön be a kézi újraépítés – amit a szoftver nem tud, mert az nem tanulás, hanem döntés.

Ami helyette működik: az emberi újraépítés

A kézi újraépítés nem varázslat, hanem egy módszer. A kényes felületeket 100%-os nézetben átvizsgáljuk, azonosítjuk, hol lehet baj, és ott szelektíven dolgozunk. A textúrás felületeken tudatosan kezeljük a felskálázás után hallucinált mintát – ott, ahol nem szabad, „letöröljük” és eredeti-jellegű részletet építünk. A portré-arcokon a bőr-textúrát megtartjuk, nem simítjuk el.

A folyamatot a felbontás-illúzió és az óriásplakát cikkekben is érintjük – a három együtt teszi teljessé a képet: az upscale határai (ez a cikk), a felbontás-számítás (első cikk) és a nézőtávolság-elv (harmadik cikk) egymást olvassák.

Ha a nagy méret és a közeli nézet találkozik nálad, ne bízd egyetlen szoftverre. Küldd át a képet, a végméretet és a nézőtávolságot – 24 órán belül megmondjuk, hogy az upscale elég vagy emberi újraépítést javaslunk. A cél mindig ugyanaz: te ne lássd rajta a szoftver határait.