Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

老旧照片高清修复

Answer

以下是关于老旧照片高清修复的方法：

  1. 使用 Stable Diffusion 进行修复：
  2. 使用 ComfyUI 进行修复：
    • 结合 Flux Controlnet Upscale 模型，以前的工作流比较复杂，现在只要十几个基础的节点就能实现同样的效果，甚至可能更好。
    • 参数调节：一般先确认放大的倍数，然后根据出来的图片调整 controlNet 的强度。
    • Controlnet-Upscaler 放大模型：Flux.1-dev ControlNet 是 Jasper 研究团队为低分辨率图像开发的模型，可直接与 diffusers 库一起使用，通过特定代码加载管道，加载控制图像并进行图像处理。其训练方式采用合成复杂数据退化方案，结合图像噪声、模糊和 JPEG 压缩等多种方式对真实图像进行人工退化。
    • Flux Ultimator 细节增强：能增加小细节，让图像尽可能逼真，可放大色调的丰富性和深度，在 0.1 的强度设置下也能有显著增强效果，能顺利集成到工作流程中，与其他 LORA 结合使用效果好，结合时需将强度降低小于 0.5。
    • T5 Clip：如果发现出来的图片质量细节不够，选择 fp16 的版本。
    • 图像的传递：controlNet 这里传递的应该是上传的原始图片，因为这个是 controlNet 而不是潜空间图像。
Content generated by AI large model, please carefully verify (powered by aily)

References

【SD】用AI给老照片上色，岁月不改它模样

将照片放入到后期处理中，使用GFPGAN算法将人脸变清晰，不知道这个功能的可以参考我这篇文章——[【Stable Diffusion】图片高清化+面部修复+一键抠图，一些你不知道的事儿](http://mp.weixin.qq.com/s?__biz=MzkzMzIwMDgxMQ==&mid=2247487422&idx=1&sn=9cdf7ef37c2acb3c0fc3328d0ba8af74&chksm=c251597af526d06c921ea6728cb2a32bdf1d5f699e19d6ba13b849994e4d01af8a5144132aad&scene=21#wechat_redirect)。这个步骤，可以将我们的五官进行重绘，但是却没有办法将照片中的头发、衣服等其他元素变清晰。所以，接下来我将图片再发送到图生图当中，打开stableSR脚本，放大两倍。这个放大插件是所有插件中对原图还原最精准的，也是重绘效果最好的，不知道的朋友可以参考我的这篇文章——[【Stable Diffusion】超清无损放大器StableSR](http://mp.weixin.qq.com/s?__biz=MzkzMzIwMDgxMQ==&mid=2247487403&idx=1&sn=cbb96534fa6f58c37cf9fc64bc7ade0c&chksm=c251596ff526d0792b4bba0e21b69427b23e780824bdc75b22f1073e8bad6f61f30199fc8344&scene=21#wechat_redirect)。切换到sd2.1的模型进行修复，vae选择vqgan，提示词可以什么都不写，以免对原图产生干扰。

【SD】用AI给老照片上色，岁月不改它模样

但是仅仅这样是不够的，从渲染的结果上我发现，颜色并不是精准地出现在我们想要的位置上的，提示词之间会出现相互的污染。而且由于照片上斑驳的痕迹，即使是背景也不能够做到完全统一，看来事情并没有我想象的那么简单。为了做到颜色与内容的统一，我启用了之前讲到过的一款cutoff插件来进行控制，依次按顺序设置好颜色提示词，不了解这款插件的朋友可以参照我这篇文章——[【Stable Diffusion】告别提示词颜色污染！Cutoff插件](http://mp.weixin.qq.com/s?__biz=MzkzMzIwMDgxMQ==&mid=2247487436&idx=1&sn=dba5cf7a170223deda6a706fa2e14f6b&chksm=c2515908f526d01eae402083a7f93e4c5c7dca057693a25847bb8e97929c875617777cbb9721&scene=21#wechat_redirect)。终于得到了一张配色正确的照片，但是还没有完，由于以前的照片像素比较低，接下来我准备将它变得更高清一点。

ComfyUI 老照片修复Flux Controlnet Upscale

以前做了一个高清放大的工作流，被很多小伙伴用在淘宝上做老照片修复。之前的工作流比较复杂，现在，这个模型出来，结合这个工作流，只要十几个基础的节点就能实现同样的效果，甚至可能更好。[heading3]参数的调节[content]一般做法是先确认放大的倍数，然后根据出来的图片来调整controlNet的强度。[heading3]Controlnet-Upscaler放大模型[content]模型介绍：Flux.1-dev ControlNet是Jasper研究团队为低分辨率图像开发的模型。使用方法：可直接与diffusers库一起使用，通过特定代码加载管道，加载控制图像并进行图像处理。训练方式：采用合成复杂数据退化方案，结合图像噪声、模糊和JPEG压缩等多种方式对真实图像进行人工退化。目的:这种训练方法的目的是让模型学会处理各种真实世界中可能遇到的图像退化情况，从而在实际应用中表现更好。引用文献：训练方式类似Wang,Xintao等人在2021年发表的“Real-esrgan:Training real-world blind super-resolution with pure synthetic data.”中的方法。许可证：该模型属于Flux.1-dev模型许可证范畴[heading3]Flux Ultimator细节增强[content]细节：能增加小细节，让图像尽可能逼真。鲜艳色彩增强：可放大色调的丰富性和深度。使用：在0.1的强度设置下也能有显著增强效果。集成：能顺利集成到工作流程中，与其他LORA结合使用效果好，结合时需将强度降低小于0.5。[heading3]T5 Clip[content]如果你发现出来的图片质量细节不够，选择fp16的版本。[heading3]图像的传递[content]controlNet这里传递的应该是上传的原始图片，因为这个是controlNet而不是潜空间图像。

Others are asking
我想图生图，生成高清矢量图
以下是关于图生图生成高清矢量图的相关内容： ControlNet 参数： 预处理器：canny，模型：control_v11p_sd15_canny 预处理器：lineart_standard，模型：control_v11p_sd15_lineart 放大高清大图： 使用 Multi Diffusion + Tiled VAE + ControlNet Tile 模型 将生成的图片发送到图生图，关键词种子会一并发送过去，重绘幅度建议 0.35，太高图片细节会发生变化 Lora 生图： 点击预览模型中间的生图会自动跳转到相应页面 模型上的数字代表模型强度，可在 0.6 1.0 之间调节，默认为 0.8 可自己添加 lora 文件，输入正向提示词，选择生成图片的尺寸（横板、竖版、正方形） 采样器和调度器新手小白可默认，迭代步数在 20 30 之间调整，CFG 在 3.5 7.5 之间调整，随机种子 1 代表随机生成图 生成的图会显示在右侧，若觉得某次生成结果不错，想要微调或高分辨率修复，可复制随机种子粘贴到相应位置 确认合适的种子和参数想要高清放大，可点开高清修复，选择放大倍数，新手小白可默认算法，迭代步数建议在 20 30 之间，重绘幅度正常在 0.3 0.7 之间调整 高清修复： 文生图高清修复原理是命令 AI 按原来内容重新画一幅，新生成绘图和原绘图细节会不同，降低重绘幅度可更接近原图，如重绘幅度 0.7 时帽子和耳机有变化，0.3 时服饰细节接近但手部可能出现问题，可通过反复抽卡、图生图局部重绘或生成多张图片后 ps 合成等解决 由于高清修复渲染耗时长，建议先低分辨率抽卡刷图，喜欢的图再用随机种子固定进行高清修复 SD 放大： 文生图画好图后发送到图生图，点击脚本选择使用 SD 放大 重绘幅度设置 0.3，放大倍率为 2，图块重叠像素设置为 64，原图尺寸加上重叠像素，如 512x768 变为 576x832，重绘幅度要保持较低数值，否则可能出现新人物
2025-04-14
高清视频修复ai工具
以下为一些高清视频修复的 AI 工具： 1. 星流一站式 AI 设计工具： 高级模式下，基础模型允许使用更多的微调大模型，图片参考允许使用更多的图像控制功能。星流基础大模型下，增加了 tile 分块与 softedge 线稿。 高清分辨率修复：利用算法对初步生成的图像进行简单的图生图高清放大（目前仅支持基础模型 xl 和 1.5 模型）。 放大算法影响图像放大后的图像质量，重绘幅度与初步生成的图像的相似度，其他参数默认即可。 采样器和采样步数会影响出图质量和生成时间，随机种子和 CFG Scale 也有相应作用，脸部/手部修复利用算法对人像的脸部或者手部进行修复。 2. Pika： 发布 Pikaddition 能力，可以将用户图片物体融合到拍摄视频，不会改变原视频且保证新视频创意效果自然。 支持用户自行上传视频（视频时长需 5s 以上），支持物体、人物（卡通、真人）图像，有 15 次免费尝试机会。 使用方法：进入 Pika 官网，页面底部选择 Pikaddition，上传视频、图像，输入文字描述提示词，点击确认即可。 地址：https://pika.art/ 3. Topaz Labs： 推出 Starlight 首个用于视频修复的扩散模型，只需输入素材，AI 可自动降噪、去模糊、放大、抗锯齿，无需手动调整与参数调整，达成专业视频高清修复。 目前正在 Beta 中。 地址：https://www.topazlabs.com/ 4. Tusiart： 具有高清修复功能，在本来设置的图像分辨率基础上，让图像分辨率变得更加精细。 有 ADetailer 面部修复插件。
2025-04-14
老照片变高清
以下是使用 AI 将老照片变高清的步骤： 1. 给老照片上色：为做到颜色与内容统一，可启用 cutoff 插件，按顺序设置好颜色提示词。不了解该插件的可参考文章。 2. 使照片人脸变清晰：将照片放入后期处理，使用 GFPGAN 算法，可参考文章。但此步骤无法使头发、衣服等元素变清晰。 3. 放大照片：将图片发送到图生图中，打开 stableSR 脚本，放大两倍。此放大插件是所有插件中对原图还原最精准、重绘效果最好的，可参考文章。切换到 sd2.1 的模型进行修复，vae 选择 vqgan，提示词可不写以免干扰原图。 4. 显存不够时：启用 MutiDiffusion 插件，不开放大倍数，仅使用分块渲染功能帮助放大图片。 5. 处理复杂照片：对于人物多、场景复杂、像素低的照片，可先在 ps 里调整角度和裁切，然后上色。若直接上色效果不佳，可放弃人物服装颜色指定，只给场景方向，让 AI 自行决定。还可加入第二个 controlnet 控制颜色，使用 t2ia_color 模型，给出简单关键词，如“蓝天、绿树、灰石砖”。最后进行脸部修复和放大。
2025-04-13
生成高清视频
以下是关于生成高清视频的相关信息： Meta 发布的 Meta Movie Gen 文生视频模型： 由视频生成和音频生成两个模型组成。 Movie Gen Video 是 30B 参数的 Transformer 模型，能从单个文本提示生成 16 秒、16 帧每秒的高清视频，相当于 73K 个视频 tokens，可进行精确视频编辑和个性化视频生成，在保持角色身份一致性和运动自然性方面表现出色，通过预训练微调范式完成，沿用了 Transformer 特别是 Llama3 的许多设计，预训练阶段在海量视频文本和图像文本数据集上联合训练，微调阶段进行有监督微调，还引入流匹配作为训练目标，效果优于扩散模型。 Movie Gen Audio 是 13B 参数的 Transformer 模型，能接受视频输入及可选文本提示生成高保真音频。 Sora 相对于其他文本生成视频 AI 的优势： 能够生成高达一分钟的高清视频。 支持生成不同分辨率、纵横比的视频。 能生成显示人物复杂、动态运动的视频，运动自然流畅。 能够捕捉和再现丰富的场景细节。 在生成长视频时能保持场景和角色的一致性。 能够处理多角色交互，角色互动自然有信服力。 采用类似 GPT 的技术，自然语言理解强大。 能模拟动作对环境的影响。 可以模拟视频游戏等数字环境。 一些海外的 AI 视频生成工具： Haiper（有免费额度）：https://haiper.ai/ ，能文生视频、图生视频、素描生视频、扩展视频，生成 HD 超高清视频，文生视频支持选择风格、秒数、种子值，图生视频只能写提示词、秒数、种子值，还能进行视频重绘和局部重绘。 DynamiCrafter（免费）：https://huggingface.co/spaces/Doubiiu/DynamiCrafter ，https://github.com/Doubiiu/DynamiCrafter?tab=readmeovfile ，能生成 2 秒图生视频，还可以做短视频拼长视频。 Morph studio（内测）：https://app.morphstudio.com/ ，暂未对外开放，可在官网提交内测申请，discord 上可以免费体验，支持文生视频、图生视频，英文提示词，支持运镜、运动强度、尺寸、秒数设置，默认生成 3 秒视频。
2025-03-25
能将像素低的图片高清化的AI工具
目前有一些可以将像素低的图片高清化的 AI 工具，例如： 1. Topaz Gigapixel AI：能够通过深度学习算法对图片进行放大和增强，提高清晰度和细节。 2. Adobe Photoshop 的增强功能：Photoshop 中的一些智能滤镜和插件也可以在一定程度上改善图片的清晰度。 需要注意的是，不同的工具在处理不同类型的图片时效果可能会有所差异，您可以根据具体需求进行选择和尝试。
2025-03-19
我现在要对一些很糊的图像进行图像修复，就是把图像变高清，有什么工具吗？
以下是一些可用于图像修复变高清的工具和方法： 1. 图像修复放大流程： 输入原始图像：添加 Load Image 节点加载图像，不建议上传大分辨率图片，以免处理时间过长。 图像高清修复：使用 Iceclear/StableSR 模型，并搭配 Stable SR Upscaler 模型，推理图片噪点以还原图像。提示词应包含想要达到的目的内容，如正向：（masterpiece），（best quality），（realistic），（very clear），反向：3d，cartoon，anime，sketches，（worst quality），（low quality）。 图像高清放大：对第一次放大修复后的图像进行二次修复，realisticVision 底膜效果较好。使用提示词反推 node 提取画面提示词，搭配 tile ControlNet 提升细节感，再用合适的高清放大模型进行二次放大。 2. 星流一站式 AI 设计工具： 右侧生成器的高级模式：与入门模式相比增加了基础模型、图片参考等更多功能。基础模型允许使用更多微调大模型和更多图像控制功能，如高清分辨率修复等。同时，还可以调整放大算法、重绘幅度等参数，以及选择不同的采样器。 3. SD 新手入门图文教程： 文生图最简流程中的一些参数： CFG Scale（提示词相关性）：控制图像与提示的匹配程度，一般开到 7 11。 生成批次和每批数量：影响生成图像的组数和数量。 尺寸：推荐使用小尺寸分辨率结合高清修复（Hires fix）。 种子：决定模型生成图片的随机性。 高清修复：通过勾选“Highres.fix”启用，先按指定尺寸生成图片，再通过放大算法扩大分辨率以实现高清大图效果。
2025-03-04
老旧照片修复
以下是关于用 AI 给老旧照片修复上色的详细步骤和方法： 1. 启用 MutiDiffusion 插件，在显存不够的情况下，仅使用分块渲染功能将图片放大到足够倍数。 2. 在 PS 里进行角度调整和照片裁切。 3. 对于人物照片还原，选择 realisian 的写实大模型，提示词直接描述颜色和对应内容。 4. ControlNet 选择 Recolor，预处理器选择“recolor_luminance”效果较好。 5. 将照片放入后期处理，使用 GFPGAN 算法将人脸变清晰。 6. 把图片发送到图生图中，打开 stableSR 脚本，放大两倍，切换到 sd2.1 的模型进行修复，vae 选择 vqgan，提示词可不写以免干扰原图。 7. 对于复杂的照片，如人物多、场景复杂、像素低的情况，可放弃人物服装颜色指定，只给场景方向，让 AI 自行决定颜色，还可从网上找参考照片让 AI 匹配色调，加入第二个 controlnet 控制颜色，使用 t2ia_color 模型，给出简单关键词如“蓝天、绿树、灰石砖”。 作者为白马少年，发布时间为 2023 年 9 月 10 日 19:00，原文网址：https://mp.weixin.qq.com/s/hlnSTpGMozJ_hfQuABgLw 。
2025-03-06
大模型可以修复老旧的分辨率低的视频吗
大模型在修复老旧低分辨率视频方面是可行的，但具体效果因模型和方法而异。 例如，使用 StabilityAI 官方的 Stable Diffusion V2.1 512 EMA 模型、StableSR 模块和 VQVAE 等，通过不同的放大方法进行测试。如“Ultimate SD upscale”脚本放大，重绘幅度不同效果有别，重绘幅度大可能导致人物失真。“后期处理”的放大方法能使眼神更锐利，但对模糊的头发改善有限。而 StableSR 的放大则需要进行相应的模型和参数调整。 另外，像 Sora 这样的大型视觉模型，能够在原始尺寸上训练、理解和生成视频及图像。它可以处理不同格式和分辨率的视觉数据，保持原始宽高比，改善生成视频的构图和框架。其基础模型用于低分辨率视频生成，通过级联扩散模型细化提高分辨率，采用 3D UNet 架构，结合多种技术和方法，能生成高保真度且具有可控性的视频。
2024-11-17
旧照片修复
旧照片修复是 AI 绘画领域中的一项重要应用。以下是关于旧照片修复的一些相关信息： 以往解决旧照片修复问题往往需要搭建极为复杂的工作流，现在 GPT 4O 只需要一句话就可以实现。 图像放大修复是 AI 绘画领域必不可少的一部分，利用 AI 技术进行图像修复，可以让模糊的旧照片重现清晰，保留珍贵回忆。例如，以前手机拍摄的低分辨率图片，放到如今智能手机上观看会非常模糊，这时可用 AI 技术进行高清修复。 ComfyUI 结合特定工作流，只需十几个基础节点就能实现较好的老照片修复效果。 参数调节方面，一般先确认放大倍数，然后根据出来的图片调整 controlNet 的强度。 Flux.1dev ControlNet 是为低分辨率图像开发的模型，可直接与 diffusers 库一起使用，采用合成复杂数据退化方案进行训练，目的是让模型学会处理各种真实世界中可能遇到的图像退化情况。 Flux Ultimator 能增加小细节，增强色彩，在 0.1 的强度设置下也有显著效果，能顺利集成到工作流程中，与其他 LORA 结合使用时强度需小于 0.5。 若图片质量细节不够，可选择 T5 Clip 的 fp16 版本。
2025-04-14
老照片修复
老照片修复是一个具有一定复杂性但通过 AI 技术可以实现较好效果的领域。以下是一些相关信息： 在解决老照片修复问题上，以往 AI 往往需要搭建极为复杂的工作流，而现在 GPT 4O 只需要一句话就可以实现。 对于老照片上色，可启用 MutiDiffusion 插件，不开放大倍数，仅使用分块渲染功能，在显存不够的情况下将图片放大到足够倍数。 对于复杂的老照片，如人物多、场景复杂、像素低的情况，可在 PS 里进行角度调整和照片裁切，然后上色。若直接上色效果不佳，可放弃人物服装颜色指定，只给场景方向，让 AI 自行决定。还可加入第二个 controlnet 来控制颜色，使用 t2ia_color 模型，给出简单关键词如“蓝天、绿树、灰石砖”。 ComfyUI 老照片修复结合 Flux Controlnet Upscale 工作流，以前的工作流较复杂，现在只要十几个基础节点就能实现同样甚至更好的效果。一般先确认放大倍数，再根据图片调整 controlNet 的强度。Flux.1dev ControlNet 是为低分辨率图像开发的模型，可直接与 diffusers 库一起使用，采用特定训练方式处理各种真实世界中可能遇到的图像退化情况。Flux Ultimator 能增加小细节和放大色调丰富性、深度，在 0.1 强度设置下有显著增强效果，能顺利集成到工作流程中，与其他 LORA 结合使用时强度需小于 0.5。若图片质量细节不够，可选择 fp16 版本的 T5 Clip。
2025-04-14
老照片修复
老照片修复是一项具有一定复杂性的工作，但随着 AI 技术的发展，实现方式也在不断改进和优化。 以往，AI 在解决老照片修复问题时，往往需要搭建极为复杂的工作流。而现在，例如 GPT 4O 只需要一句话，就可以实现部分修复需求。 在具体的修复方法中，如使用 SD 进行老照片上色，可以启用 MutiDiffusion 插件，不开放大倍数，仅使用分块渲染的功能，在显存不够的情况下将图片放大到足够的倍数。对于复杂的老照片，如人物多、场景复杂、像素低的情况，可以先在 ps 里面进行角度调整和照片裁切，然后进行上色。若直接上色效果不佳，可放弃人物服装的颜色指定，只给场景方向，让 AI 自行决定，还可加入第二个 controlnet 来控制颜色。 ComfyUI 老照片修复结合 Flux Controlnet Upscale 工作流，以前复杂的工作流现在只要十几个基础的节点就能实现同样的效果甚至更好。其中涉及参数的调节，一般先确认放大的倍数，然后根据出来的图片来调整 controlNet 的强度。Flux.1dev ControlNet 是为低分辨率图像开发的模型，可直接与 diffusers 库一起使用，采用合成复杂数据退化方案进行训练。Flux Ultimator 能增加小细节和放大色调的丰富性和深度，在 0.1 的强度设置下也能有显著增强效果，能顺利集成到工作流程中。若图片质量细节不够，T5 Clip 选择 fp16 的版本。
2025-04-11
老照片修复
老照片修复是一项具有一定复杂性的工作，但随着 AI 技术的发展，处理方式也在不断改进和优化。 以往，AI 在解决老照片修复问题时，往往需要搭建极为复杂的工作流。而现在，如 GPT 4O 等技术，只需要一句话就可以实现部分修复需求。 在具体的修复方法中，例如使用 SD 进行老照片上色，可以启用 MutiDiffusion 插件，不开放大倍数，仅使用分块渲染的功能，在显存不够的情况下将图片放大到足够的倍数。对于复杂的老照片，如人物多、场景复杂、像素低的情况，可以先在 ps 里面进行角度调整和照片裁切，然后进行上色。如果直接上色效果不佳，可以只给场景方向的提示词，让 AI 自行决定颜色。还可以加入第二个 controlnet 来控制颜色，使用 t2ia_color 的模型，并给出简单的关键词，如蓝天、绿树、灰石砖等。 ComfyUI 老照片修复结合 Flux Controlnet Upscale 工作流，以前较为复杂的工作流现在只需十几个基础节点就能实现同样甚至更好的效果。在参数调节方面，一般先确认放大倍数，然后根据出来的图片调整 controlNet 的强度。Flux.1dev ControlNet 是为低分辨率图像开发的模型，可直接与 diffusers 库一起使用，采用合成复杂数据退化方案进行训练。Flux Ultimator 能增加小细节和放大色调的丰富性和深度，在 0.1 的强度设置下也能有显著增强效果，能顺利集成到工作流程中，与其他 LORA 结合使用时需将强度降低小于 0.5。如果发现出来的图片质量细节不够，可以选择 fp16 版本的 T5 Clip。
2025-04-10
照片修复
以下是关于照片修复的相关信息： 使用 Gemini 2.0 Flash 进行照片修复： 零门槛：即使不会 PS，只要会打字就能操作。 速度快：几秒钟出结果。 效果提升小技巧：指令要具体清晰，比如“把帽子改成红色，加个星星图案”；使用清晰的照片，模糊的图可能效果不佳；多尝试修改指令。 图像高清修复的实现技术拆解： 整个流程分为三部分： 1. 图像输入：添加 Load Image 节点加载图像，不建议上传大分辨率图片，以免处理时间过长。 2. 图像高清修复：使用 Iceclear/StableSR 等模型进行修复和 2 倍放大，搭配合适的提示词，如正向：（masterpiece），（best quality），（realistic），（very clear），反向：3d，cartoon，anime，sketches，（worst quality），（low quality）。 3. 图像高清放大：用 realisticVision 底膜进行二次修复，使用提示词反推 node 提取画面提示词，搭配 tile ControlNet 提升细节感，再用合适的高清放大模型二次放大。 此外，GPT 4O 在解决老照片修复等问题时，以往需要搭建复杂工作流，现在只需一句话即可实现。
2025-04-10
如果改变照片中人物的表情
要改变照片中人物的表情，可以通过以下几种方式： 1. 在使用 SD 脸部修复插件 After Detailer 时，输入如“伤心、流泪”这样针对表情的正负提示词，人物的表情会进行相应改变。但输入“带着墨镜”可能没有效果。 2. 使用 Magic Brush 工具，选中人物的眉毛、眼睛、嘴唇等部位，通过调节轨迹的方向来实现合理的表情变化。 3. 在 Midjourney V6 中，若遇到无法改变角色脸部等问题，可按照以下步骤排除故障：首先确保写了强有力的提示以建议新的姿势、风格或细节；若角色抗拒被操纵，可能是 cref 图像支配了提示，可通过使用 cw进行处理，尝试将提示与较低的 cref 权重一起使用，如 cw 60，按照特定步骤操作，还可考虑使用 来恢复面部区域。
2025-04-14
如何让老照片变清晰
以下是让老照片变清晰的方法： 1. 将照片放入后期处理中，使用 GFPGAN 算法使人脸变清晰。您可以参考文章。 2. 将图片发送到图生图中，打开 stableSR 脚本，放大两倍。此放大插件是所有插件中对原图还原最精准、重绘效果最好的。您可以参考文章。 3. 切换到 sd2.1 的模型进行修复，vae 选择 vqgan，提示词可以不写以免对原图产生干扰。 4. 启用 MutiDiffusion 插件，不开放大倍数，仅使用分块渲染的功能，能在显存不够的情况下将图片放大到足够的倍数。 5. 对于复杂的照片，可先在 ps 里面进行角度调整和照片裁切，然后使用上述步骤进行上色。若直接上色效果不佳，可放弃人物服装的颜色指定，只给场景方向，让 AI 自行决定。还可加入第二个 controlnet 来控制颜色，使用 t2ia_color 的模型，给出简单的关键词，如“蓝天、绿树、灰石砖”。 另外，进行超清无损放大修复需要准备以下文件和操作： 1. 使用 StabilityAI 官方的 Stable Diffusion V2.1 512 EMA 模型，放入 stablediffusionwebui/models/StableDiffusion/文件夹中。 2. 将 StableSR 模块（约 400M 大小）放入 stablediffusionwebui/extensions/sdwebuistablesr/models/文件夹中。 3. 将 VQVAE（约 750MB 大小）放在 stablediffusionwebui/models/VAE 中。
2025-04-13