การขยายภาพด้วย AI: สิ่งที่มันสามารถและไม่สามารถแก้ไขได้จริงในภาพถ่ายความละเอียดต่ำ

ภาพถ่ายขนาดเล็กและเบลอ — สแกนเก่า ภาพหน้าจอ ภาพขนาดย่อที่เป็นสำเนาเดียวที่เหลืออยู่ของบางสิ่ง — ถูกยืดให้เป็นขนาดใหญ่ขึ้นและผลลัพธ์ก็เบลอเหมือนเดิมทุกประการ แค่ใหญ่ขึ้น การปรับขนาดแบบธรรมดาไม่สามารถเพิ่มรายละเอียดที่ไม่เคยถูกจับภาพไว้ตั้งแต่แรกได้ เครื่องมือประเภทที่แตกต่างพยายามที่จะเพิ่มมันเข้าไปอยู่ดี

การยืดกับการสร้างรายละเอียดขึ้นมา

การปรับขนาดพื้นฐาน (เพื่อนบ้านที่ใกล้ที่สุด แบบเชิงเส้นสองทิศทาง แบบลูกบาศก์สองทิศทาง — วิธีการอินเตอร์โพเลชันมาตรฐาน) ทำการประมาณสีของแต่ละพิกเซลใหม่อย่างมีเหตุผลตามพิกเซลข้างเคียง ซึ่งให้ภาพที่ใหญ่ขึ้นและเบลออย่างนุ่มนวล แต่ไม่เคยคมชัดกว่าต้นฉบับ การขยายภาพด้วย AI ใช้วิธีที่แตกต่างพื้นฐาน: โมเดลที่ฝึกด้วยคู่ภาพความละเอียดสูงและเวอร์ชันความละเอียดต่ำที่เสื่อมสภาพโดยตั้งใจจำนวนมหาศาลเรียนรู้ว่ารายละเอียดละเอียดที่น่าเชื่อถือมักจะมีลักษณะอย่างไร และสร้างพิกเซลใหม่ที่เป็นการเดาที่ดีที่สุดจริงๆ สำหรับรายละเอียดแทนที่จะเป็นค่าเฉลี่ยของพิกเซลที่มีอยู่

ที่ที่ผลลัพธ์ยืนหยัดได้จริง

ใบหน้า ข้อความ และพื้นผิวปกติ (อิฐ ลายทอผ้า ใบไม้) เป็นกรณีที่การขยายภาพด้วย AI จัดการได้ดีที่สุด เพราะเป็นรูปแบบที่โมเดลที่ฝึกด้วยภาพถ่ายหลายล้านภาพเห็นตัวอย่างมากที่สุดและสามารถสร้างขึ้นใหม่ได้อย่างมั่นใจ

ที่ที่การสร้างขึ้นเริ่มปรากฏให้เห็น

• รายละเอียดที่ไม่ซ้ำใครและไม่สม่ำเสมอจริงๆ — รูปแบบเฉพาะที่ไม่คล้ายอะไรทั่วไป — บางครั้งถูก «แก้ไข» ไปเป็นสิ่งที่ดูทั่วไปมากขึ้น เพราะโมเดลทำงานจากรูปแบบที่เคยเห็นมาก่อน
• ข้อความในแบบอักษรที่ไม่คุ้นเคยหรือภาษาที่โมเดลไม่ได้ฝึกมากอาจออกมาดูเหมือนตัวอักษรที่น่าเชื่อถือแต่ผิด แทนที่จะเป็นตัวอักษรจริง
• แหล่งที่มาที่บีบอัดหนักหรือความละเอียดต่ำมากให้สัญญาณจริงแก่โมเดลน้อยลงในการทำงาน ดังนั้นผลลัพธ์ส่วนใหญ่จึงเป็นการสร้างขึ้นของโมเดลแทนที่จะเป็นการกู้คืนรายละเอียดที่สูญหาย

สำหรับสิ่งใดก็ตามที่ความแม่นยำสำคัญกว่าผลลัพธ์ที่น่าพอใจ — เอกสารที่คุณต้องอ่านจริงๆ หลักฐาน บันทึกทางประวัติศาสตร์ — ปฏิบัติต่อภาพที่ขยายแล้วเป็นตัวช่วยในการดู ไม่ใช่สิ่งทดแทนแหล่งที่มาดั้งเดิม