Ampliação de imagem com IA: o que ela pode e não pode realmente corrigir numa foto de baixa resolução

Uma foto pequena e borrada — uma digitalização antiga, uma captura de tela, uma miniatura que é a única cópia restante de algo — é esticada para um tamanho maior e o resultado fica exatamente tão borrado, só que maior. O redimensionamento simples não consegue adicionar detalhes que nunca foram capturados em primeiro lugar; uma categoria diferente de ferramenta tenta adicioná-los mesmo assim.

Esticar versus inventar detalhes

Um redimensionamento básico (vizinho mais próximo, bilinear, bicúbico — os métodos de interpolação padrão) faz uma estimativa fundamentada da cor de cada novo pixel com base em seus vizinhos, o que produz uma imagem maior suavemente borrada, mas nunca mais nítida do que a fonte. A ampliação com IA adota uma abordagem fundamentalmente diferente: um modelo treinado em enormes quantidades de pares de imagens de alta resolução e versões deliberadamente degradadas de baixa resolução aprende como um detalhe fino plausível geralmente aparece, e gera novos pixels que são uma estimativa genuína do detalhe em vez de uma média dos pixels existentes.

Onde os resultados realmente se sustentam

Rostos, texto e texturas regulares (tijolo, tecido, folhagem) são os casos que a ampliação com IA lida melhor, já que são exatamente os padrões dos quais um modelo treinado em milhões de fotos viu mais exemplos e pode reconstruir com confiança.

Onde a invenção começa a aparecer

• Um detalhe genuinamente único e irregular — um padrão específico que não se parece com nada comum — às vezes é «corrigido» para algo com aparência mais genérica, porque o modelo está trabalhando a partir de padrões que já viu antes.
• Texto numa fonte pouco familiar ou num idioma com o qual o modelo não foi muito treinado pode sair parecendo caracteres plausíveis mas errados em vez dos reais.
• Fontes fortemente comprimidas ou de resolução muito baixa dão ao modelo menos sinal real para trabalhar, então mais do resultado é invenção do modelo em vez de recuperação de detalhes perdidos.

Para qualquer coisa onde a precisão importa mais do que um resultado agradável — um documento que você realmente precisa ler, uma prova, um registro histórico — trate uma imagem ampliada como uma ajuda para visualização, não como um substituto da fonte original.