Eski aile fotoğraflarını yapay zeka ile restore edin
Eski fotoğraflardaki yüzlere özgü sorun
Eski fotoğraflar pek çok farklı hasara uğrar: çizikler, sararma, düşük çözünürlük, bulanıklık, agresif sıkıştırma. Genel amaçlı upscale algoritmaları bunların büyük bölümünü temizleyebilir — ancak yüzlerde yetersiz kalır. Neden? Çünkü yüzler, beynimizin kusurları en çok fark ettiği bölgedir. Bir duvardaki bulanık lekeyi görmezden gelirsiniz. Bir yanaktaki bulanık leke ise fotoğrafın tamamını mahveder.
GFPGAN (Generative Facial Prior GAN) tam da bu sorun için geliştirilmiştir. İki ağı bir araya getirir: hasarlı görüntüden (ne kadar bozulmuş olursa olsun) yüz yapısını çıkaran bir encoder ve milyonlarca gerçek yüz üzerinde eğitilmiş, ayrıntıları yeniden oluşturan bir StyleGAN üreteci.
Yüz önselinin çalışma prensibi
"Yüz önseli", modelin insan yüzlerinin "nasıl görünmesi gerektiğine" dair sahip olduğu istatistiksel bilgidir. StyleGAN, FFHQ veri seti (70.000 yüksek çözünürlüklü yüz) üzerinde eğitilerek şu ilişkileri öğrendi:
- Kafa şekli → göz konumu
- Yaklaşık yaş → cilt dokusu
- Aydınlatma → belirli bölgelerdeki gölgeler
- Saç rengi → kirpiklerin tipik rengi
Bozulmuş bir fotoğraf girdiğinizde GFPGAN önce kaba bir tahmin yapar ("bu yaşlı bir hanımın yüzü, muhtemelen açık tenli, kahverengi gözlü, gri saçlı"), ardından StyleGAN'ı kullanarak bu tahminle tutarlı ayrıntıları doldurur.
Etik sorun: sadakat ve inandırıcılık
Yapay zeka restorasyonunun en hassas noktası burasıdır: restore edilen fotoğraf, orada olan kişinin birebir aynısı değildir. Model, gözlemlenen hasarla uyumlu genel bir yüz için makul görünen ayrıntılar üretir — ancak burnun tam şeklini, gözlerin kesin rengini ya da dişleri yanlış yorumlayabilir.
Aile kullanımı için bu genellikle kabul edilebilir bir durumdur — genel görünüm doğrudur ve kimse zaten tahrip olmuş bir orijinalle adli karşılaştırma yapmaz. Ancak sadakatin kritik olduğu bağlamlarda (hukuki kimlik tespiti, tarihsel gazetecilik) restore edilmiş fotoğrafı orijinalin yanında göstermelisiniz; orijinalin yerine koymamalısınız.
En iyi sonuç için önerilen uygulamalar
- Yüksek çözünürlükte tarayın: orijinal fotoğraf küçük olsa bile en az 600 DPI'da tarayın. Modelin işleyeceği piksel sayısı ne kadar fazlaysa sonuç o kadar iyi olur.
- Her yüz için ayrı kırpma yapın: fotoğrafta 5 kişi varsa 5 ayrı kırpılmış görüntü işleyin. Model merkeze odaklanır; köşelerdeki yüzler daha düşük kalitede çıkar.
- Girişte sıkıştırmadan kaçının: sıkıştırılmış JPEG, GFPGAN'ın ayrıntıları çıkarmak için ihtiyaç duyduğu yüksek frekansları tam olarak yok eder.
- Renklendirmeyi ayrı yapın: GFPGAN fotoğrafın rengini korur. Siyah-beyaz bir fotoğrafa renk katmak istiyorsanız önce bir renklendirme modelinden geçirin.
- Orijinali saklayın: ham fotoğrafı her zaman yedekleyin. Restorasyon kesin bir kurtarma değil, bir yorumdur.
GFPGAN'ın yetersiz kaldığı durumlar
- Çocuk fotoğrafları: model ağırlıklı olarak yetişkinler üzerinde eğitilmiştir; çocuk yüzleri zaman zaman "daha yaşlı" görünebilir
- Güçlü örtme (maske, güneş gözlüğü, yüze dayalı el): görülmeyen kısımları icat ederek yüzün tamamını yeniden oluşturmaya çalışabilir
- Aşırı ifadeler (şarkı söylerken açık ağız, kahkaha): yüz önseli nötr ifadeleri esas alır; ifadeyi aşırı yumuşatabilir
- Kültüre özgü aksesuarlar (sarık, tiyatro makyajı): model bunları kaldırabilir ya da basitleştirebilir
Hemen deneyin
Brainiall sohbetine taranmış eski bir fotoğraf gönderin ve "bu fotoğraftaki yüzleri rengi ve bağlamı koruyarak restore et" isteğinde bulunun. Pipeline, yüz tespiti + GFPGAN + yeniden entegrasyonu otomatik olarak birleştirir. Pro Plan ile ayda 100 restorasyona kadar işlem yapabilirsiniz.