Как увеличить фото без потери качества: апскейл нейросетью онлайн

Снимок с телефона 2018 года надо распечатать на холсте 80×120 см. Фотография 1024×768 нужна для презентации в FullHD. Скрин 600 пикселей по длинной стороне — для обложки YouTube требуется 1920. Все три задачи упираются в одно: исходного разрешения не хватает, а растягивание в редакторе превращает картинку в кашу из квадратов.

Решение в 2026 году — апскейл нейросетью: увеличение разрешения с дорисовкой деталей через super-resolution модели Real-ESRGAN, SwinIR и SeedVR2. Разбираем, почему обычная интерполяция размывает фото, как нейросеть достраивает пиксели, и пошагово увеличиваем снимок в PhotoPanda от 1 ₽.

Почему нельзя просто растянуть фото в редакторе

Когда вы тянете углы фотографии в Photoshop, GIMP или онлайн-кропере, программа применяет интерполяцию — усредняет цвета соседних пикселей и заполняет ими пустоту. Базовых алгоритмов три: nearest neighbor, билинейная и бикубическая. Ни один не добавляет деталей — они лишь распределяют существующие.

Бикубический алгоритм считает новый пиксель как взвешенное среднее 16 соседей (4×4 ядро). Photoshop с 2018 года использует bicubic sharper с искусственной резкостью через unsharp mask, но это имитация деталей, а не их восстановление. На диагональных линиях остаются ступенчатые края, а при увеличении в 4 раза один пиксель оригинала превращается в квадрат 4×4 одного цвета — это классическая пикселизация.

Главное ограничение: информации в исходном файле физически нет. Если на фото 800×600 лицо занимает 80×80 пикселей, то в этих 6400 точках просто не закодированы поры кожи, реснички и блик в глазу. Никакой алгоритм усреднения не сможет их восстановить — только дорисовать на основе обучающих данных. Это и делает нейросеть.

Как работает апскейл нейросетью

Super-resolution — задача computer vision, где модель получает маленькое изображение и предсказывает, как оно выглядело бы при большем разрешении. Один пиксель низкого разрешения может превратиться в N×N пикселей высокого бесконечным числом способов. Нейросеть выбирает наиболее правдоподобный по обучающим данным из миллионов пар «маленькое-большое».

Real-ESRGAN — рабочая лошадка с 2021 года

Real-ESRGAN (Tencent ARC Lab, 2021) — GAN, обученная на синтетически деградированных снимках. Авторы взяли 800 тысяч качественных фото, прогнали через симулятор шумов и JPEG-сжатия, и научили модель восстанавливать оригинал. Размер 17 МБ, скорость на RTX 3090: 0.4 секунды на 4× увеличение 1024×1024 → 4096×4096. Индустриальный стандарт в Topaz Gigapixel, Upscayl и большинстве онлайн-сервисов.

SwinIR — деликатнее на мелких деталях

SwinIR (Microsoft Research, 2021) использует Swin Transformer — те же блоки внимания, что в LLM, но для пикселей. Тоньше работает с волосами, мехом, тканью в клетку и тонким шрифтом. Реже даёт пластиковую кожу, иногда оставляет лёгкое размытие на сильной деградации. Размер 12 МБ.

SeedVR2 — диффузия для сложных случаев

SeedVR2 (ByteDance, 2024) — диффузионная модель нового поколения. В отличие от GAN, генерирует пошагово: 20–50 итераций denoising. Дороже по вычислениям (3–8 секунд против 0.4), но даёт state-of-the-art на проваленных снимках. Разница с Real-ESRGAN на сложных кадрах достигает 4–6 dB по PSNR — это полностью разные результаты глазом.

Множители 2x / 4x / 8x — когда какой выбрать

Чем выше множитель, тем больше нейросеть «придумывает». На 2× содержание идентично оригиналу. На 4× появляются интерпретированные детали — узор ткани переплетётся слегка иначе. На 8× контент мелких объектов уже скорее правдоподобная фантазия.

Правило: увеличивайте до нужного разрешения, не больше. Для печати A4 при 300 dpi достаточно 2480×3508 — лишние пиксели не дадут детализации, только утяжелят файл. Множитель 8× оправдан, если оригинал меньше 600 пикселей по длинной стороне, а нужен 4K. Тогда модель идёт двухпроходно: сначала 4×, потом ещё 2× — это даёт меньше артефактов, чем прямой 8× в один проход.

Апскейл фото нейросетью в PhotoPanda — пошагово

Под капотом — SeedVR2 на собственном GPU. Три предустановки разрешения: 720p, 1080p, 1440p (2K). Время одного снимка — 8–25 секунд. Без установки софта, оплата по факту, 5 бесплатных апскейлов в день.

Шаг 1. Загрузка

Откройте страницу апскейла, перетащите фото или нажмите «Выбрать файл». Поддерживаются JPEG, PNG, WebP, HEIC до 10 МБ. Для пакета — отдельный режим, до 50 снимков ZIP-архивом.

Шаг 2. Целевое разрешение и опции

720p — 1 ₽, 1080p — 2 ₽, 1440p (2K) — 3 ₽. Множитель рассчитается автоматически от размера исходника. Чекбокс «Восстановить лица» добавляет 30 копеек и пропускает результат через CodeFormer — отдельную модель для лиц. Важно для портретов: SeedVR2 хорошо работает со сценой целиком, но мелкие черты иногда сглаживает. CodeFormer возвращает чёткие глаза и натуральную кожу без пластика. Подробнее в гайде по реставрации старых мобильных фото.

Шаг 3. Запуск и результат

Среднее время: 12 секунд на 720p, 18 на 1080p, 22 на 2K. Прогресс в реальном времени, страницу не обязательно держать открытой. Готовый файл — в том же формате (PNG → PNG, JPEG quality 95 → JPEG, WebP → WebP). Перед скачиванием можно сравнить «до и после» на встроенном слайдере. Файл хранится в кабинете 72 часа.

Когда апскейл не поможет

Нейросеть достраивает детали из обучающих данных. Если в оригинале информация утеряна полностью — реконструкции не будет, только правдоподобная фантазия. Три типа фото, где апскейл стабильно проваливается.

Сильно размытый JPEG. Моушн-блюр от дрожания камеры (выдержка 1/8 секунды и длиннее) или промах автофокуса. SeedVR2 справляется с лёгким blur (1–3 пикселя), но при выраженном размытии нужен сначала deblur через Restormer или NAFNet, и только потом апскейл.

Низкая чёткость на старте. Снимки экрана компьютера, скриншоты после WhatsApp (он ужимает до 1280×960 quality 65), картинки из Google-кэша 2008 года. Исходник плотно набит JPEG-артефактами, контраст подавлен. Апскейл даёт «гладко, но без деталей».

JPEG-артефакты на контрастных границах. Блочная сетка 8×8 и звон вокруг контуров от агрессивного сжатия (quality ниже 70). Если их не убрать до апскейла, нейросеть зафиксирует их как «детали» и увеличит вместе со всем остальным. Решение — FBCNN перед апскейлом или подавать оригиналы в PNG.

В типовых случаях достаточно отметить «Восстановить лица» — PhotoPanda собирает pipeline автоматически по результату анализа исходника.

Частые вопросы