بزرگنمایی تصاویر هوش مصنوعی: مدل‌های ESRGAN، hires-fix، tiled diffusion و زمان استفاده از هر کدام
مرور کلی
مدل‌های تصویری در اندازه اصلی خود خوب کار می‌کنند (512 برای SD 1.5، 1024 برای SDXL و Flux) و در اندازه‌های خیلی بزرگ‌تر کیفیت پایین می‌آورند، پس راه رسیدن به تصویر بزرگ این است که ابتدا در اندازه اصلی تولید شود و بعد بزرگ شود. سه روش برای بزرگ‌کردن وجود دارد که قابل جایگزینی نیستند. بزرگنماییهای پیکسلی شبکه‌های کوچکی هستند (خانواده ESRGAN، SwinIR، DAT) که هنگام تغییر اندازه تصویر را تیز می‌کنند؛ این‌ها سریع، دقیق و بدون افزودن محتوای جدید هستند. hires-fix یک مرحله دوم diffusion در اندازه بزرگ‌تر هنگام تولید است که با denoise متوسط جزئیات واقعی اضافه میکند. tiled diffusion تصویر بزرگ را به کاشیهای همپوشان تقسیم میکند و img2img را روی هر کاشی اجرا میکند که می‌تواند جزئیات قابل قبول در 4K و بالاتر بسازد، با راهنمایی Tile ControlNet تا کاشیها دقیق بمانند.
کدام روش لازم است بستگی به هدف دارد. برای استفاده وب و شبکه‌های اجتماعی، بزرگنمایی پیکسلی 2 برابر از یک رندر تمیز کافی است و دو ثانیه طول می‌کشد. برای چاپ، محصولات و والپیپرها، بزرگنمایی پیکسلی 2 برابر و سپس یک مرحله tiled diffusion با denoise کم جزئیات مورد انتظار از «هنر هوش مصنوعی 4K» را می‌دهد. hires-fix بین این دو است و به همین دلیل در Forge و A1111 به طور پیش‌فرض است: صورت 1024 مات را بدون نیاز به روند دوم اصلاح میکند.
صفحه خانواده Upscalers در این سایت بزرگنماییهای پیکسلی را با کاربردشان (عکس، انیمه، صورت، متن) و تقویت‌کننده‌های مبتنی بر diffusion را با خانواده پایه‌شان فهرست میکند. شرکای ابری همان ابزارها را دارند: PirateDiffusion فرمان‌های /upscale و /enhance دارد، BitVector دکمه بزرگنمایی کنار هر نتیجه.
مرجع
نام | نوع | چیست |
|---|---|---|
4x-UltraSharp | pixel upscaler, ESRGAN | پیش‌فرض برای عکس‌ها و رندرها: تیز، کمی خشک؛ بعد از آن به 2 برابر کاهش اندازه بدهید برای ظاهر طبیعی. |
Real-ESRGAN x4plus / x4plus-anime | pixel upscaler | عمومی و مقاوم؛ نسخه انیمه خطوط را روی تصویرسازی تمیز نگه می‌دارد. |
4x-NMKD-Siax, 4x-Foolhardy-Remacri | pixel upscaler | جایگزین‌های ملایم‌تر برای UltraSharp؛ Remacri برای عکس‌های نرم، Siax برای بافت‌های دقیق. |
SwinIR / DAT / HAT | pixel upscaler, transformer | دقت بالاتر، کندتر؛ بهترین برای عکس‌هایی که ESRGAN بافت اضافه میکند. |
Hires-fix | generation setting | ابتدا با بزرگنمایی پیکسلی 1.5-2 برابر کنید سپس با denoise 0.3-0.5 در اندازه جدید. گزینه‌ای در A1111/Forge؛ در ComfyUI به عنوان KSampler دوم. |
Ultimate SD Upscale | tiled diffusion | کاشیهای 1024 با همپوشانی 64 پیکسل، denoise 0.2-0.35، Tile ControlNet روشن. تبدیل 2048 به 4096 با جزئیات جدید. |
diffusion restorers | مدل‌های سنگین که تصاویر قدیمی یا کم‌کیفیت را بازسازی و تقویت می‌کنند؛ نیاز به 16 گیگابایت رم و چند دقیقه برای هر تصویر. | |
Denoise | 0.2-0.5 | در هر بزرگنمایی diffusion، میزان تغییرات مجاز. 0.2 همه چیز را حفظ میکند؛ 0.5 بافت‌ها را بازنقاشی میکند و ممکن است صورتها را تغییر دهد. |
گام به گام
- ابتدا در اندازه اصلی تولید کن و ترکیب‌بندی و صورتها را اصلاح کن (inpainting)؛ بزرگنمایی عیب‌ها را بیشتر میکند نه اینکه درستشان کند.
- راه سریع: بزرگنمایی تصویر (با مدل) با 4x-UltraSharp، سپس تغییر اندازه تصویر به 2 برابر اصلی. در چند ثانیه انجام می‌شود؛ مناسب وب.
- مسیر hires-fix (Forge، A1111): فعال کردن Hires. fix، انتخاب بزرگنمایی 4x-UltraSharp یا Latent، بزرگنمایی 1.5-2، 15 مرحله hires، denoise 0.4. در ComfyUI: بزرگنمایی Latent به 1.5 -> KSampler دوم با denoise 0.45.
- مسیر چاپ: بزرگنمایی پیکسلی به 2 برابر، سپس Ultimate SD Upscale با همان چک‌پوینت، کاشی 1024، padding 32، denoise 0.25، قدرت Tile ControlNet 0.6، اصلاح درزها «نیم کاشی». چند دقیقه طول می‌کشد.
- صورتها: بعد از بزرگنمایی یک مرحله جزئیات صورت (ADetailer، گره FaceDetailer) با denoise 0.35 اجرا کن؛ تصاویر بزرگ صورت‌های کوچک را دوباره بزرگ میکند.
- کمی تیز کن و برای چاپ PNG و برای وب WebP یا JPEG 92 خروجی بگیر. با رندر 1 برابر در 100 درصد مقایسه کن تا اشیای ساخته شده را پیدا کنی.
- در فضای ابری: به نتیجه PirateDiffusion با /upscale (پیکسلی) یا /enhance (diffusion) پاسخ بده؛ در BitVector روی دکمه Upscale در کارت تصویر کلیک کن.
مثال‌ها
بزرگنمایی سریع 2 برابر در ComfyUI
VAE Decode -> Upscale Image (using Model: 4x-UltraSharp) -> Image Scale (0.5, lanczos) -> Save Image
تنظیمات hires-fix در Forge
Hires. fix: upscaler 4x-UltraSharp | upscale by 1.5 | hires steps 15 | denoising strength 0.4 | same seed
Ultimate SD Upscale برای چاپ
Input 2048x2048 (after 2x pixel upscale) | upscale_by 2 | tile 1024x1024 | mask blur 16 | padding 32 | denoise 0.25 | ControlNet Tile 0.6 | seam fix half tile
نکات
- فقط تصویر نهایی را بزرگ کن، نه هر پیش‌نمایش؛ یک مرحله 4 برابر روی رندر 1024 یعنی 16 میلیون پیکسل و زمان واقعی می‌برد.
- مدل‌های ESRGAN برای 4 برابر آموزش دیده‌اند؛ اجرای آن‌ها روی 2 برابر یعنی ابتدا 4 برابر و بعد کاهش اندازه، به همین دلیل خروجی وقتی کاهش اندازه نداده‌ای خیلی تیز به نظر میرسد.
- انیمه و تصویرسازی تخت نیاز به نسخه انیمه دارند وگرنه خطوط دو برابر می‌شوند؛ عکس‌ها به SwinIR، DAT یا Remacri نیاز دارند وگرنه پوست پلاستیکی می‌شود.
- در tiled diffusion متن درخواست را کوتاه و کلی نگه دار (مثل «جزئیات بالا، فوکوس تیز، پوست طبیعی») تا هیچ کاشی موضوع جدیدی نسازد.
- بزرگنمایی latent در hires-fix نیاز به denoise بالای 0.5 دارد تا تیز شود؛ بزرگنماییهای پیکسلی در hires-fix با 0.3-0.4 کار می‌کنند و تصویر را به اصل نزدیک‌تر نگه می‌دارند.
- صفحه خانواده Upscalers بر اساس محبوبیت مرتب شده؛ سه مدل اول 90 درصد نیازها را پوشش میدهند.
عیب‌یابی
تصویر بزرگشده خیلی تیز و خشک به نظر میرسد
چرا رخ می‌دهد
خروجی 4x ESRGAN روی 4x باقی مانده است.
چگونه رفع می‌شود
به 2x کاهش اندازه بده یا از Remacri/SwinIR استفاده کن.
صورتها بعد از مرحله tiled تغییر کردهاند
چرا رخ می‌دهد
مقدار denoise خیلی بالا است؛ کاشیها صورت را دوباره ساختهاند.
چگونه رفع می‌شود
denoise را 0.2-0.25 بگذار، Tile ControlNet روشن باشد، بعد از آن جزئیات صورت را اجرا کن.
درزهای شبکه قابل مشاهدهاند
چرا رخ می‌دهد
همپوشانی کم یا بدون اصلاح درز.
چگونه رفع می‌شود
padding را 32-64 بگذار، حالت اصلاح درز را فعال کن یا برای بازسازی یک مرحلهای از SUPIR استفاده کن.
hires-fix اعضا را دو برابر میکند
چرا رخ می‌دهد
ضریب بزرگنمایی یا denoise برای مدل خیلی بالاست.
چگونه رفع می‌شود
حداکثر 1.5 برابر بزرگ کن، denoise را 0.4 بگذار، یا به جای latent از بزرگنمایی پیکسلی استفاده کن.
کمبود حافظه در مرحله رمزگشایی
چرا رخ می‌دهد
رمزگشایی VAE تمامسایز یک تصویر 4K.
چگونه رفع می‌شود
رمزگشایی VAE (تایل شده) و کاشیهای کوچکتر.
پرسش‌ها
کدام بزرگنمایی بهتر است؟
4x-UltraSharp برای بیشتر رندرها، Real-ESRGAN انیمه برای تصویرسازی، SwinIR یا DAT برای عکس‌ها. صفحه خانواده Upscalers بر اساس کاربرد رتبه‌بندی میکند.
آیا بزرگنمایی دستهای بد را درست میکند؟
نه؛ فقط بزرگشان میکند. اول inpaint کن، آخر بزرگنمایی کن.
تا چه اندازه میتوانم بزرگ کنم؟
بزرگنماییهای پیکسلی تا هر اندازه؛ tiled diffusion تا 8K با صبر. بالاتر از 4 برابر مدل بیشتر اختراع میکند تا حفظ.
آیا hires-fix همان بزرگنمایی است؟
نه؛ یک بزرگنمایی است که یک مرحله diffusion درون تولید دارد؛ جزئیات اضافه میکند، بزرگنمایی ساده این کار را نمیکند.
میتوانم ویدیو را بزرگ کنم؟
بله: فریم به فریم با ESRGAN (سریع، ریسک پرش) یا با بازسازیکنندههای ویدیو مثل SeedVR؛ راهنماهای ویدیو این را پوشش میدهند.
لینک‌ها و منابع
- Real-ESRGAN
- Ultimate SD Upscale for ComfyUI
- OpenModelDB (upscaler catalogue)
- Upscalers family page
- PirateDiffusionAD
- BitVector web appAD
مدل‌های این راهنما
نویسنده
موجودی را نگه می‌دارد: هر LoRA، هر کوانت، هر فایلی که کسی به final_v2_REAL.safetensors تغییر نام داده. سخت‌افزار را با تعداد رندرهای وان قبل از شام می‌سنجد. مقدار VRAM را به شما می‌گوید، سپس می‌گوید اشتباه است چون کروم باز دارید. وزن‌ها را باز کنید وگرنه ارسال نشده.
همه راهنماها توسط Quartermaster
راهنماهای مرتبط
اصول img2img، inpainting و outpainting: اصلاح دست‌ها، تعویض اشیا و گسترش تصویر
3 دسامبر 2025
ControlNet توضیح داده شده: حالت، عمق، لبه‌ها و تصاویر مرجع برای SD 1.5، SDXL و Flux
18 فوریه 2026
Krea2 Enhancer: جزئیات و نورپردازی تمیزتر برای هر سبک Krea 2
30 سپتامبر 2026
قدم‌ها، CFG، نمونه‌گیرها، زمان‌بندها و بذرها: تنظیمات تولید با پیش‌فرض‌های ایمن توضیح داده شده
19 نوامبر 2025
LTX 2.3 Crisp Enhance: جزئیات ویدیویی تیزتر و سینمایی‌تر
3 اکتبر 2026
راهنماهای بیشتر
کدوم مدل‌های تصویر هوش مصنوعی رو اول امتحان کنیم و چرا: یک فهرست شروع رتبه‌بندی شده
10 سپتامبر 2025
چک‌پوینت در مقابل LoRA در مقابل embedding در مقابل ControlNet: هر فایل چه کاری انجام می‌دهد
8 اکتبر 2025
چطور مدل‌های تصویری مولد هوش مصنوعی کار می‌کنند: توضیح ساده انتشار، فضای نهفته و رمزگذارهای متنی
28 اوت 2025
LoRA چیست و چطور در ComfyUI، Forge، Automatic1111 و فضای ابری استفاده کنیم
20 مه 2026
Best AI Models for 8GB GPUs in 2026: What Actually Fits
18 اکتبر 2026