Deschizi un fișier JPG de 800 de pixeli pe lățime. Vrei să-l imprimezi pe un poster de 60 de centimetri. Vechiul Photoshop cerea un filtru de interpolare bicubică și multă răbdare. Azi, un buton numit Super Resolution face treaba în trei secunde. Sub el, un model de inteligență artificială a învățat din milioane de perechi de imagini mici și mari ce înseamnă o textură reală.
Aceasta este upscaling-ul modern. Și nu e singurul loc unde algoritmi inventează pixeli. Generarea de imagini, de la text la fotografie, folosește aceeași familie de rețele neurale, doar că pleacă din zero în loc să plece dintr-un fișier existent.
Ce înseamnă, de fapt, să mărești o imagine
Upscaling-ul clasic era o problemă de matematică. Ai 800 de pixeli și vrei 3200. Ce faci cu spațiul nou? Interpolarea bilineară ia media dintre vecini. Bicubică ia în calcul și vecinii vecinilor. Rezultatul e lizibil, dar moale. Detaliile lipsă nu pot apărea din nimic.
Modelele de generare au schimbat regula. Ele nu mai calculează o medie. Ele prezic. Un model antrenat pe imagini fotografice reale învață că, lângă o textură de pânză, apar anumite umbre și riduri. Că, lângă un ochi uman, apare o linie de pleoapă și o reflexie pe cornee. Când primește o imagine mică, completează golurile cu ce știe că se află acolo în realitate.
Rezultatul depășește orice filtru tradițional. Uneori depășește chiar și realitatea. Un portret upscaldat poate arăta mai neted decât fotografia originală, pentru că modelul a „înțeles” că pielea are o anumită structură și a aplicat-o uniform.
De unde vine cunoașterea
Upscaling-ul și generarea de imagini se bazează pe aceeași arhitectură de bază: rețelele difuzive, numite în engleză diffusion models. Funcționează invers față de ce ați crede.
În timpul antrenării, modelul învață să distrugă treptat o imagine. Adaugă zgomot, pixel după pixel, până când fotografia devine un câmp alb de haos. Apoi, învață să inverseze procesul. Începe din zgomot și scoate treptat forme, contururi, culori, până ajunge la o imagine coerentă.
Pentru generarea de imagini, punctul de plecare e pur zgomot. Pentru upscaling, punctul de plecare e o imagine mică, ușor zgomotită, care ghidează modelul spre rezultatul dorit. Aceeași mașinărie, două moduri de utilizare.
Generarea de la zero: ce face un prompt
Când scrii „o pisică portocalie stând pe o masă de lemn, lumină de după-amiază, fotografie cu obiectiv 85mm”, un model de generare traduce textul într-un cod numeric. Acest cod funcționează ca un ghid pe parcursul procesului de difuzie inversă. Fiecare pas de reducere a zgomotului se orientează spre ceea ce descrie promptul.
Modelul nu „înțelege” pisici. Nu știe ce înseamnă „lumină de după-amiază” în termeni fizici. Dar a văzut milioane de fotografii etichetate cu descrieri similare și a învățat asocieri statistice. „Pisică portocalie” apare în imagini cu anumite culori, anumite forme, anumite texturi. „85mm” apare în fotografii cu fundal estompat și subiect clar.
Această asociere statistică e suficientă pentru rezultate remarcabile. Și suficientă pentru rezultate amuzante, când promptul e ambiguu sau contradictoriu.
Unde se întâlnesc cele două tehnologii
Practic, upscaling-ul și generarea se suprapun. Un model capabil să genereze o imagine din zgomot poate, în mod natural, să completeze o imagine incompletă. Asta e tot ce face un upscaler: ia o imagine parțială și completează restul.
Există și un alt punct de contact: imagini generate artificial, apoi upscaldate. O fotografie sintetică de 1024 pe 1024 pixeli nu e suficientă pentru tipar de înaltă calitate. Un pas de upscaling o duce la 4096 pe 4096, adăugând texturi și detalii pe care modelul de generare nu le aveau la rezoluția inițială.
Și invers: un fotograf poate genera un fundal artificial pentru o imagine și apoi o upscale-ază la rezoluția cerută de client. Granița dintre „am fotografiat” și „am generat” se estompează tot mai mult.
Ce merge bine și ce nu
Upscaling-ul funcționează excelent pentru texturi repetitive: iarbă, zidărie, apă, pământ. Modelul știe cum arată aceste suprafețe la orice rezoluție. Funcționează bine și pentru fețe umane, dar cu o precauție: uneori „îmbunătățirea” înseamnă ștergerea porilor, a liniilor de expresie, a caracterului specific al unei persoane.
Problemele apar la detalii fine și neregulate. Un text scris pe o sticlă, un nume pe o pancartă, un cod de bare, o grilă de fereastră. Modelul poate inventa caractere greșite, linii care nu se aliniază, structuri imposibile. La rezoluție mare, aceste erori devin vizibile.
La generarea de imagini, aceleași limite se manifestă altfel. Mâinile rămân o provocare, deși modelele recente s-au îmbunătățit considerabil. Textul scris în imagini generate e încă fragil. Perspectivele geometrice se pot strânge când promptul cere scene complexe cu mai multe planuri.
Calitatea datelor de antrenament
Un model de upscaling antrenat pe fotografii de pe internet va reproduce tendințele acelor fotografii. Dacă majoritatea imaginilor au un anumit tip de procesare, un anumit stil de colorare, un anumit nivel de zgomot, modelul va „înțelege” că așa arată o imagine bună. Upscaling-ul va aplica acel stil, chiar dacă fotografia originală avea un caracter diferit.
Aceasta nu e un bug, e o caracteristică. Dar înseamnă că rezultatul depinde de ce a văzut modelul. Un upscaler antrenat pe fotografii de pe Flickr nu va produce același rezultat ca unul antrenat pe imagini de pe Unsplash sau pe arhive fotografice profesionale.
Costul și accesibilitatea
Acum trei ani, un model de generare de imagini funcționa doar pe servere cu GPU-uri de 24 de GB. Azi, modele compacte rulează pe un laptop cu un GPU decent. Upscaling-ul local, fără trimiterea imaginilor pe un server extern, e posibil pe hardware de birou.
Pentru utilizatorul obișnuit, diferența e simplă: un software de editare foto are deja un buton de upscaling integrat. Un serviciu web acceptă o imagine și o returnează mărită. Un generator de imagini cere un text și produce o fotografie. Toate costă fie nimic, fie câteva euro pe lună.
Decizia practică
Dacă ai o imagine existentă și vrei doar să o mărești, caută un tool de upscaling cu model de difuzie. Nu te mulțumi cu interpolarea bicubică. Diferența e vizibilă imediat, mai ales pe texturi și fețe.
Dacă ai nevoie de o imagine care nu există, generează-o. Scrie promptul specific: subiect, lumină, unghi, obiectiv, atmosferă. Nu scrie „o imagine frumoasă”. Scrie ce vezi în capul tău, cu cuvinte concrete.
Și când rezultatul e aproape, dar nu suficient de mare pentru tipar, aplică un pas de upscaling. Două tehnologii, un flux de lucru continuu. Alege tool-ul care îți permite să treci de la generare la upscaling fără să descarci fișiere și să le recarci în altă aplicație.
Deschide o imagine mică pe care o ai în arhivă. Mărește-o cu un model de difuzie. Compară rezultatul cu ce ți-ar fi oferit Photoshop-ul acum cinci ani. Acolo începe conversația cu ce e posibil azi.
