Real-ESRGAN: ampliar suas imagens em local

#O que faz um ampliador de imagens com IA

Um ampliador clássico interpola: ele calcula pixels intermediários a partir dos vizinhos, resultando em uma imagem maior e mais desfocada. Um ampliador por aprendizado faz outra coisa. Foi treinado para recuperar uma imagem nítida a partir de uma versão degradada e reconstrói o que mais se assemelha ao original: texturas, bordas, granulação. A diferença está em uma frase: a interpolação não cria informação, o modelo a inventa. É exatamente o que lhe é pedido, e por isso é importante saber onde não usá-lo.

Real-ESRGAN vem de um artigo de Xintao Wang, Liangbin Xie, Chao Dong e Ying Shan (Tencent ARC Lab), depositado no arXiv em julho de 2021 e apresentado nos workshops da ICCV: « Training Real-World Blind Super-Resolution with Pure Synthetic Data ». O resumo descreve a ideia: um modelo treinado exclusivamente com dados sintéticos, usando uma modelagem de degradações de « ordem elevada » que simula melhor os defeitos reais (desfoque, ruído, compressão), e um discriminador U-Net. « Blind » significa que o modelo não precisa saber qual degradação a imagem sofreu. O repositório tem mais de 36.000 estrelas.

#Os modelos e qual escolher

O catálogo do projeto separa os modelos para fotos dos modelos para ilustrações, e essa é a escolha que mais pesa no resultado. A variante anime é apresentada como otimizada para esse tipo de imagem, com uma rede menor, e o projeto a compara ao waifu2x. Para um desenho, experimente essa variante primeiro: um modelo para fotos pode adicionar textura a áreas de cor uniforme que deveriam permanecer lisas; verifique isso na sua imagem.

#Três maneiras de executá-lo

O README descreve três caminhos: uma demonstração online, o executável portátil ncnn e o script Python. Para uso local regular, apenas os dois últimos importam.

#Os comandos exatos

O executável portátil é usado na linha de comando. O texto de ajuda lista as opções: -i para a entrada (arquivo ou pasta), -o para a saída, -s para a escala (2, 3 ou 4), -n para o modelo, -t para o tamanho do bloco de imagem, -g para escolher a GPU, -f para o formato de saída.

# Exécutable portable : photo agrandie ×4 avec le modèle généraliste
./realesrgan-ncnn-vulkan.exe -i input.jpg -o output.png -n realesrgan-x4plus

# Script Python : échelle arbitraire (ici ×3,5) avec amélioration des visages
python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs --outscale 3.5 --face_enhance

O script Python oferece a opção --outscale: o modelo sempre amplia a imagem em ×4, depois o programa redimensiona o resultado para a escala desejada com uma operação de baixo custo. Há também --tile para dividir a imagem e economizar memória, e --fp32 para precisão completa, obrigatória ao executar na CPU (veja abaixo).

No ComfyUI, os modelos de ampliação devem ser colocados em ComfyUI/models/upscale_models, e são aplicados por um nó de carregamento seguido de um nó de ampliação com modelo. Para uma interface desktop, o README cita vários projetos que incorporam Real-ESRGAN, entre eles Upscayl, um software livre para Linux, macOS e Windows, que tem cerca de 50.000 estrelas e foi atualizado nos últimos dias.

• ComfyUI: ampliação como último nó do grafo

#Usá-lo bem

1. 01
   Escolher o modelo de acordo com o tipo de imagem

   Foto ou ilustração: é o ajuste que mais altera o resultado, muito mais do que o fator de ampliação. Sempre adicione -n ao comando.
2. 02
   Não fazer várias passagens seguidas

   Ampliar uma imagem em ×4 duas vezes seguidas produz um aspecto plástico, não mais detalhes. Uma única passagem com o fator adequado basta; se ×4 for demais, use o modelo ×2 ou a opção de escala.
3. 03
   Limpar antes de ampliar

   Uma leve redução de ruído prévia evita que o modelo trate o ruído como um detalhe a reconstruir. Com realesr-general-x4v3, a opção -dn ajusta a intensidade da redução de ruído para evitar um resultado excessivamente liso.
4. 04
   Reservar face_enhance para rostos reais

   A opção face_enhance depende de GFPGAN e serve apenas para rostos reais: o FAQ do projeto recomenda não usá-la em animações, nas quais ela consome memória da GPU sem necessidade.
5. 05
   Comparar a 100%

   Uma ampliação deve ser avaliada pixel a pixel, não em uma miniatura. Muitos resultados impressionantes em tamanho reduzido têm um aspecto liso e artificial quando vistos de perto.

#Qual tamanho escolher: um cálculo antes de começar

Uma ampliação de ×4 só é útil se o tamanho final atender a um uso específico. Veja o fator necessário conforme o uso pretendido, com base em um cálculo simples: pixels = centímetros ÷ 2,54 × resolução em pontos por polegada, depois fator = lado maior desejado ÷ lado maior inicial.

Lembre-se do princípio: buscar o tamanho útil, não o tamanho máximo. Uma imagem de 1.024 × 1.024 ampliada ×4 resulta em 4.096 × 4.096, ou seja, cerca de 16,8 milhões de pixels, dezesseis vezes mais do que no início: um arquivo proporcionalmente maior para armazenar, carregar e editar, para um ganho muitas vezes invisível na tela. Com a opção --outscale do script Python, escolhe-se a escala exata, em vez de ampliar excessivamente e depois reduzir.

#Em uma cadeia de geração de imagens

Na geração local, o ampliador de imagens é a última etapa: geramos em uma resolução que a placa suporta e depois ampliamos, o que consome menos memória do que gerar diretamente em alta resolução. As dimensões nativas dos modelos de imagem, por exemplo 512 × 512 para SD 1.5 ou 1024 × 1024 para SDXL, estão detalhadas no guia de Stable Diffusion. Em seguida, uma ampliação de ×2 em uma imagem SDXL de 1024 × 1024 resulta em 2048 × 2048 sem passar novamente pelo modelo de difusão.

• Stable Diffusion: versões, resoluções nativas e licenças
• Gerar imagens localmente: o panorama

#O que ele inventa

O texto

Os caracteres pequenos, quando ampliados, tornam-se caracteres plausíveis, mas incorretos. Para um documento, é de reconhecimento óptico que você precisa, não de um ampliador.

Rostos

Um rosto borrado ampliado se torna um rosto nítido que não é exatamente a mesma pessoa. Nenhum uso para identificação é aceitável.

Os detalhes mais sutis

Padrões de tecido, folhagens, cabelos: o modelo produz uma textura plausível, não a textura original.

As desvantagens

Um artefato de compressão bem visível às vezes será ampliado com todo o cuidado, em vez de ser eliminado.

#Solução de problemas: erros comuns

#Situação do projeto em 2026

É preciso ser honesto quanto à sua idade. A última versão publicada, a v0.3.0, é de 20 de setembro de 2022, e o último commit do repositório principal, de 2 de abril de 2024, remove um arquivo de configuração de integração contínua. A implementação ncnn, cujo README indica uma licença MIT, não recebeu atualizações desde maio de 2024. Isso não torna o modelo ruim: ele faz seu trabalho, é pequeno e roda em placas modestas. Mas não se pode contar com correções para incompatibilidades recentes, como a da torchvision.

Quanto às alternativas, o README do ComfyUI lista SeedVR2 e SUPIR entre os modelos compatíveis. SeedVR2 se apresenta como uma solução de restauração de vídeo em uma etapa por pós-treinamento adversarial de difusão, e SUPIR visa à restauração fotorrealista de imagens « in the wild ». São abordagens baseadas em difusão: não temos uma comparação numérica confiável com Real-ESRGAN, e o risco de detalhes inventados é pelo menos tão presente nessas abordagens. Leia a licença do SUPIR, que o GitHub classifica como « Other », antes de usá-lo comercialmente. Para a maioria das fotos e ilustrações do cotidiano, Real-ESRGAN continua oferecendo um bom equilíbrio entre simplicidade, velocidade e hardware necessário.

• ControlNet: controlar a composição antecipadamente
• O kit de Imagens com IA
• Fonte: o repositório oficial do Real-ESRGAN
• Fonte: o artigo de pesquisa no arXiv
• Fonte: a implementação ncnn-vulkan

#FAQ