SD 老照片修复
SD 老照片修复
在AI技术飞速发展的今天， Stable Diffusion（SD）作为一款强大的AI图像生成工具，已经广泛应用于各种图像创作和修复任务中。本文将详细介绍如何使用SD修复老照片，包括具体的步骤和参数设置，以及不同方法的效果对比。
AI生成图片的现状与局限性
自8月31日以来，SD webUI没有发布新版本，SDXL的ControlNet更新后也没有大的技术更新。许多关注的B站大佬要么停更，要么开始卖课程资源。这是否意味着通用模型的进化已经基本结束？接下来可能是行业专业大模型的发展阶段。
从写实作图开始，下载模型，炼制Lora，模型抽卡，roop换脸，以及各种插件安装尝试。虽然参考样例提示词可以生成精美的图片，但看多了之后就能看出明显的AI味道。图片的精确控制和自然完整的手部细节，依旧是AI作图的难题。从原理来看，文字到图片的转换还是依赖于人工标注的CLIP模型，而文字生成的风格和细节则依赖于训练模型所用的素材，这说明AI生成图片并非无所不能，真是有多少人工就有多少智能。
个人学习经历与硬件升级
在AI颠覆一切的口号浪潮下，我从写实作图上手，下载模型，炼制Lora，模型抽卡，roop换脸，以及各种插件安装尝试。我也来盘点一下，升级硬件学习Stable Diffusion已经两个月了，加了三条8G内存，换了RTX2060S显卡，花费2K和一些电费成本。
AI修复老照片的价值
文字生图在细分领域，比如设计创作工作有很大帮助。但对普通人来说，可能就是妙鸭相机那样的尝试一次发个圈而已。在摄影修图应用，对比PS各种效果来说，提升其实并不明显，而且不可能一步到位，只是修图中间过程，一些大V推出了这方面教程，看效果就知道受众更小。想起多年前学习摄影的宗旨：发现美，捕捉美，分享美。对普罗大众有意义的是实在的经历和回忆，通过AI实现的云旅游，只一时的新奇，很快新鲜感消失就会被丢弃。视频也一样，那些试图炫技吸引眼球的特效，只能做广告，并不适合普通人。留下当时的片段记忆，才会随时间流逝而愈加珍贵。说到这，AI修复老照片，这个方向对大部分人可能会有更大的价值。
老照片修复流程
准备工作
首先，找到老照片用手机拍下来，然后压缩足够小，我这里做了512768和7681152两个分辨率。原图如下：
方法一：通过stableSR放大和清晰化
512*768通过stableSR直接放大1.5倍。参数如下：用时23秒，效果如下，感觉画面太锐了。
768*1152通过stableSR直接放大1倍。参数如下：
512*768，打开Tiled Diffusion和tiled VAE，再通过stableSR放大2倍。参数如下：
三个效果跟原图对比如下：
方法二：通过ControlNet tile图生图方法
512*768，打开Tiled Diffusion和tiled VAE，记得换一个真实风格大模型：
因为是重绘，对重绘幅度比较敏感：
下面分别是 原图 ：0.05 : 0.1 ：0.4
方法三：通过扩展模式放大做修复的方法
放大算法对比可参考这篇博文：
https://blog.csdn.net/snans/article/details/130122766
我做了如下尝试，具体数值根据图片而定：
后面两张换了算法和参数：Postprocess upscale by: 2, Postprocess upscaler: R-ESRGAN 4x+ Anime6B, GFPGAN visibility: 0.678, CodeFormer visibility: 0.141, CodeFormer weight: 0.152
从以上效果可以看出，通过图生图生成的图片清晰度更高，但是变形更严重，需要根据效果细调参数。
总的来说，这些只是半成品，最终修复还需要综合各种方式，还有表情细节等，还需要抽卡，然后移花接木拼接出来。
写在最后
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。