การอัปสเกลภาพ AI: โมเดล ESRGAN, hires-fix, tiled diffusion และเมื่อไหร่ควรใช้แต่ละแบบ

Q: ภาพอัปสเกลดูคมเกินและกรอบ

ผลลัพธ์ 4x ESRGAN ถูกเก็บไว้ที่ 4x. ลดขนาดลงเป็น 2x หรือใช้ Remacri/SwinIR แทน

Q: หน้าคนเปลี่ยนหลังผ่านขั้นตอน tiled

ลดนอยส์สูงเกินไป; ไทล์สร้างหน้าใหม่ ลดนอยส์ 0.2-0.25, เปิด Tile ControlNet, ใช้ face detailer หลังจากนั้น

Q: เห็นรอยต่อของตาราง

ทับซ้อนน้อยเกินไปหรือไม่แก้รอยต่อ เพิ่ม padding เป็น 32-64, ใช้โหมดแก้รอยต่อ หรือใช้ SUPIR สำหรับฟื้นฟูในรอบเดียว

Q: hires-fix ทำให้แขนขาซ้ำสอง

อัตราการอัปสเกลหรือการลดนอยส์สูงเกินสำหรับโมเดล อัปสเกลสูงสุด 1.5, ลดนอยส์ 0.4 หรือใช้ตัวอัปสเกลพิกเซลแทน latent

Q: หน่วยความจำไม่พอในขั้นตอนถอดรหัส

การถอดรหัส VAE ขนาดเต็มของภาพ 4K ใช้ VAE Decode (Tiled) และไทล์ขนาดเล็กลง

หัวข้อ: โมเดล

โดย Quartermaster

เผยแพร่ 4 มี.ค. 2026

ภาพรวม

โมเดลภาพวาดจะทำงานได้ดีที่ขนาดดั้งเดิม (512 สำหรับ SD 1.5, 1024 สำหรับ SDXL และ Flux) และแย่เมื่อขยายเกินขนาดนั้น ดังนั้นวิธีทำภาพใหญ่คือสร้างที่ขนาดดั้งเดิมแล้วค่อยขยายทีหลัง มีสามวิธีขยายภาพ และไม่สามารถใช้แทนกันได้ ตัวอัปสเกลพิกเซลเป็นเครือข่ายเล็ก ๆ (ตระกูล ESRGAN, SwinIR, DAT) ที่ทำให้ภาพคมขึ้นพร้อมกับปรับขนาด; เร็ว, ซื่อสัตย์กับภาพต้นฉบับ และไม่เพิ่มเนื้อหาใหม่ hires-fix คือการทำ diffusion รอบที่สองที่ขนาดใหญ่ขึ้นตอนสร้างภาพ เพื่อเพิ่มรายละเอียดจริง ๆ ด้วยการลดนอยส์ในระดับปานกลาง tiled diffusion จะแบ่งภาพใหญ่เป็นไทล์ทับซ้อนกันแล้วใช้ img2img กับแต่ละไทล์ ซึ่งสามารถสร้างรายละเอียดสมจริงที่ 4K ขึ้นไป โดยมี Tile ControlNet ควบคุมให้ไทล์ยังคงเหมือนต้นฉบับ

การเลือกใช้ขึ้นอยู่กับเป้าหมาย สำหรับเว็บและโซเชียล การอัปสเกลพิกเซล 2 เท่าของภาพที่สะอาดก็พอและใช้เวลาแค่สองวินาที สำหรับงานพิมพ์, สินค้า และวอลเปเปอร์ การอัปสเกลพิกเซล 2 เท่าตามด้วย tiled diffusion ที่ลดนอยส์ต่ำจะให้รายละเอียดที่คนคาดหวังจาก "งานศิลปะ AI 4K" hires-fix อยู่ตรงกลางและเป็นค่าปริยายใน Forge และ A1111 ด้วยเหตุผล: มันแก้หน้าที่เบลอที่ 1024 ได้โดยไม่ต้องใช้ขั้นตอนที่สอง

หน้าครอบครัว Upscalers บนเว็บนี้แสดงตัวอัปสเกลพิกเซลพร้อมการใช้งานที่ตั้งใจไว้ (ภาพถ่าย, อะนิเมะ, หน้า, ตัวหนังสือ) และตัวเสริมที่ใช้ diffusion พร้อมกลุ่มหลักของมัน พาร์ทเนอร์บนคลาวด์ใช้เครื่องมือเดียวกัน: PirateDiffusion มีคำสั่ง /upscale และ /enhance, BitVector มีปุ่ม upscale ข้างผลลัพธ์แต่ละภาพ

ข้อมูลอ้างอิง

ชื่อ	ชนิด	ความหมาย
4x-UltraSharp	pixel upscaler, ESRGAN	ค่าปริยายสำหรับภาพถ่ายและภาพเรนเดอร์: คมชัด, มีความกรอบเล็กน้อย; ลดขนาดลงเป็น 2 เท่าหลังจากนั้นเพื่อให้ดูเป็นธรรมชาติ
Real-ESRGAN x4plus / x4plus-anime	pixel upscaler	ใช้งานทั่วไปที่ทนทาน; เวอร์ชันอะนิเมะจะรักษาเส้นให้สะอาดในภาพวาด
4x-NMKD-Siax, 4x-Foolhardy-Remacri	pixel upscaler	ทางเลือกที่นุ่มนวลกว่าสำหรับ UltraSharp; Remacri สำหรับภาพถ่ายนุ่มนวล, Siax สำหรับพื้นผิวที่มีรายละเอียด
SwinIR / DAT / HAT	pixel upscaler, transformer	ความแม่นยำสูงกว่า, ช้ากว่า; เหมาะสำหรับภาพถ่ายที่ ESRGAN สร้างพื้นผิวขึ้นเอง
Hires-fix	generation setting	อัปสเกล 1.5-2 เท่าด้วยตัวอัปสเกลพิกเซลแล้วลดนอยส์ 0.3-0.5 ที่ขนาดใหม่ ช่องเลือกใน A1111/Forge; ComfyUI ใช้เป็น KSampler ที่สอง
Ultimate SD Upscale	tiled diffusion	ไทล์ขนาด 1024 มีทับซ้อน 64 px, ลดนอยส์ 0.2-0.35, เปิด Tile ControlNet เปลี่ยน 2048 เป็น 4096 พร้อมรายละเอียดใหม่
SUPIR / Flux tiled / SeedVR	diffusion restorers	โมเดลหนักที่ฟื้นฟูและเพิ่มคุณภาพภาพเก่าหรือต่ำคุณภาพ; ต้อง RAM 16 GB ขึ้นไปและใช้เวลาหลายนาทีต่อภาพ
Denoise	0.2-0.5	ในการอัปสเกล diffusion ใด ๆ ระบุว่ามีการเปลี่ยนแปลงมากแค่ไหน 0.2 รักษาทุกอย่างไว้, 0.5 วาดพื้นผิวใหม่และอาจเปลี่ยนหน้าคนได้

ทีละขั้นตอน

สร้างภาพที่ขนาดดั้งเดิมและแก้ไของค์ประกอบกับหน้าให้เรียบร้อยก่อน (inpainting); การอัปสเกลจะขยายข้อผิดพลาดมากกว่าจะแก้ไข
เส้นทางเร็ว: อัปสเกลภาพ (ใช้โมเดล) ด้วย 4x-UltraSharp แล้วปรับขนาดภาพเป็น 2 เท่าของต้นฉบับ เสร็จในไม่กี่วินาที; เหมาะสำหรับเว็บ
เส้นทาง hires-fix (Forge, A1111): เปิดใช้งาน Hires. fix, เลือกอัปสเกล 4x-UltraSharp หรือ Latent, อัปสเกล 1.5-2 เท่า, hires steps 15, ลดนอยส์ 0.4 ใน ComfyUI: Upscale Latent By 1.5 -> KSampler ที่สอง ลดนอยส์ 0.45
เส้นทางพิมพ์: อัปสเกลพิกเซล 2 เท่า แล้วใช้ Ultimate SD Upscale กับเช็คพอยต์เดียวกัน, ไทล์ 1024, padding 32, ลดนอยส์ 0.25, ความแรง Tile ControlNet 0.6, แก้รอยต่อแบบ "half tile" คาดว่าจะใช้เวลาหลายนาที
หน้า: หลังอัปสเกลให้รัน face detailer (ADetailer, FaceDetailer node) ที่ลดนอยส์ 0.35; ภาพใหญ่ทำให้หน้าเล็กลงอีกครั้ง
ปรับความคมเล็กน้อยแล้วส่งออกเป็น PNG สำหรับงานพิมพ์, WebP หรือ JPEG 92 สำหรับเว็บ เปรียบเทียบกับภาพ 1x ที่ 100 เปอร์เซ็นต์เพื่อจับข้อผิดพลาดที่ถูกสร้างขึ้น
บนคลาวด์: ตอบกลับผล PirateDiffusion ด้วย /upscale (พิกเซล) หรือ /enhance (diffusion); ใน BitVector กดปุ่ม Upscale บนการ์ดภาพ

ตัวอย่าง

ComfyUI อัปสเกล 2x อย่างรวดเร็ว

VAE Decode -> Upscale Image (using Model: 4x-UltraSharp) -> Image Scale (0.5, lanczos) -> Save Image

การตั้งค่า hires-fix ใน Forge

Hires. fix: upscaler 4x-UltraSharp | upscale by 1.5 | hires steps 15 | denoising strength 0.4 | same seed

Ultimate SD Upscale สำหรับงานพิมพ์

เคล็ดลับ

อัปสเกลภาพสุดท้าย ไม่ใช่ทุกภาพร่าง; การอัปสเกล 4x บนภาพ 1024 คือ 16 ล้านพิกเซลและใช้เวลาจริง
โมเดล ESRGAN ถูกฝึกสำหรับ 4x; การใช้ที่ 2x คือการอัปสเกล 4x แล้วลดขนาดลง ซึ่งทำให้ภาพดูคมเกินไปถ้าไม่ลดขนาด
อะนิเมะและภาพวาดแบนต้องใช้เวอร์ชันอะนิเมะ ไม่งั้นเส้นจะหนาสองเท่า; ภาพถ่ายต้องใช้ SwinIR, DAT หรือ Remacri ไม่งั้นผิวจะดูเหมือนพลาสติก
ใน tiled diffusion ให้ใช้พรอมต์สั้นและทั่วไป ("รายละเอียดสูง, โฟกัสคม, ผิวดูเป็นธรรมชาติ") เพื่อไม่ให้ไทล์สร้างเรื่องใหม่
Latent upscale ใน hires-fix ต้องลดนอยส์ 0.5 ขึ้นไปเพื่อให้คม; ตัวอัปสเกลพิกเซลใน hires-fix ทำงานที่ 0.3-0.4 และรักษาภาพให้ใกล้เคียงต้นฉบับ
หน้าครอบครัว Upscalers จัดอันดับตามความนิยม; สามอันดับแรกครอบคลุม 90 เปอร์เซ็นต์ของความต้องการ

ใช้ VAE Decode (Tiled) และไทล์ขนาดเล็กลง

คำถาม

ตัวอัปสเกลไหนดีที่สุด?

4x-UltraSharp สำหรับภาพเรนเดอร์ส่วนใหญ่, Real-ESRGAN anime สำหรับภาพวาด, SwinIR หรือ DAT สำหรับภาพถ่าย หน้าครอบครัว Upscalers จัดอันดับตามการใช้งาน

การอัปสเกลแก้ปัญหามือไม่ดีได้ไหม?

ไม่ได้; มันแค่ขยายมือออกไป แก้ไขด้วย inpaint ก่อน แล้วค่อยอัปสเกล

ขยายภาพได้ใหญ่แค่ไหน?

ตัวอัปสเกลพิกเซลขยายได้ทุกขนาด; tiled diffusion ขยายได้ถึง 8K ถ้ามีความอดทน เกิน 4x โมเดลจะสร้างมากกว่ารักษา

hires-fix เหมือนกับการอัปสเกลไหม?

มันคือการอัปสเกลที่มี diffusion รอบหนึ่งในขั้นตอนสร้างภาพ; เพิ่มรายละเอียด ตัวอัปสเกลธรรมดาไม่ทำ

อัปสเกลวิดีโอได้ไหม?

ได้: ทีละเฟรมด้วย ESRGAN (เร็ว, เสี่ยงกระพริบ) หรือใช้ตัวฟื้นฟูวิดีโออย่าง SeedVR; มีคู่มือวิดีโออธิบาย

ลิงก์และแหล่งที่มา

โมเดลในคู่มือนี้

โมเดล Upscalers

โมเดล Stable Diffusion XL 1.0

โมเดล Flux

เขียนโดย

Quartermaster

ดูแลคลังสินค้า: ทุก LoRA, ทุก quant, ทุกไฟล์ที่ใครบางคนเปลี่ยนชื่อเป็น final_v2_REAL.safetensors วัดฮาร์ดแวร์จากจำนวนการเรนเดอร์ Wan ที่ทำได้ก่อนมื้อเย็น จะบอกคุณว่า VRAM เท่าไหร่ แล้วบอกว่าผิดเพราะคุณเปิด Chrome อยู่ เปิดน้ำหนักแบบเปิดเผยหรือไม่ก็ไม่ได้ส่งของ

คำแนะนำทั้งหมดโดย Quartermaster

พื้นฐาน img2img, inpainting และ outpainting: แก้ไขมือ, สลับวัตถุ และขยายภาพ

3 ธ.ค. 2025

อธิบาย ControlNet: ท่าทาง, ความลึก, ขอบ และภาพอ้างอิงสำหรับ SD 1.5, SDXL และ Flux

18 ก.พ. 2026

Krea2 Enhancer: รายละเอียดและแสงที่ชัดขึ้นสำหรับสไตล์ Krea 2 ทุกแบบ

30 ก.ย. 2026

ขั้นตอน, CFG, ตัวสุ่มตัวอย่าง, ตัวจัดตารางเวลา และเมล็ดพันธุ์: การตั้งค่าการสร้างภาพที่อธิบายพร้อมค่าปลอดภัย

19 พ.ย. 2025

LTX 2.3 Crisp Enhance: รายละเอียดวิดีโอที่คมชัดและดูเหมือนหนังมากขึ้น

3 ต.ค. 2026

คู่มือเพิ่มเติม

โมเดลภาพ AI ตัวไหนควรลองก่อน และทำไม: รายการเริ่มต้นตามลำดับ

10 ก.ย. 2025

Checkpoint vs LoRA vs embedding vs ControlNet: ไฟล์ไหนทำหน้าที่อะไร

8 ต.ค. 2025

โมเดลภาพ AI สร้างสรรค์ทำงานอย่างไร: อธิบาย diffusion, latents และ text encoders แบบง่ายๆ

28 ส.ค. 2025

LoRA คืออะไร และใช้งานอย่างไรใน ComfyUI, Forge, Automatic1111 และบนคลาวด์

20 พ.ค. 2026

Best AI Models for 8GB GPUs in 2026: What Actually Fits

18 ต.ค. 2026