AI 图片放大原理 — 2× 何时优于 4×
Tomoda Hinata工具作者与维护者发布于 2026年4月26日约 3 分钟阅读
AI 放大用经过百万级低/高分辨率配对训练的神经网络，去合成 bicubic 复原不出来的‘合理’细节。能拯救老缩略图、从手机裁切照片、把小档案照放大到打印分辨率。但它无法复原从未拍到的细节，4× 下脸常常变得违和——除非有特别原因，请优先选 2×。
本指南使用的工具
AI 放大到底在做什么？
经典插值（bicubic、Lanczos）只能在已有像素上插值，无法发明缺失的细节。AI 放大跑训练好的 CNN 或 Transformer 网络，输入 256×256 输出 512×512，多出的像素与训练分布一致。Real-ESRGAN 之所以普及，是因为训练时使用了人为劣化的高质量图像，专门学会了反转模糊、JPEG 压缩与降采样。
什么时候放大是正解？
经典获胜：救老缩略图、把 720p 老扫描放大到打印、补救裁切手机照。经典失败：合成新视角（不可能）、从模糊照片复原文字（少数成功）、对 AI 生成图再放大（噪点累积）。
为什么 2× 是安全默认？
2× 时网络的幻觉受到约束：每输出 1 像素有 4 个输入像素。4× 是 1:16，需发明 15/16 的像素，纹理还行但脸会变怪。需要 4× 时，请连续做两次 2× 而不是一次 4×。
浏览器模型工作机制
工具自带 ONNX 格式的 Real-ESRGAN-x2 模型（约 50MB），首次下载并缓存；推理用编译为 WebAssembly 的 ONNX Runtime Web，环境支持时启用 WebGPU（Chrome 113+/Edge 113+/Safari 17+）。M2 上 1024×1024 → 2048×2048 约 4 秒，iPhone 14 约 12 秒。
现实极限
脸：4× 时可能出现细微特征漂移。文字：极小印刷文字基本救不回来。已严重压缩的图：JPEG 块噪声常被‘当成特征’放大。AI 生成图：噪点叠加。拿不准时停在 2×。
操作步骤
约 1 分钟拖入源图
JPG/PNG/WebP，4MP 以内拖入。更大也行，但推理时间按面积平方增加。
选择倍率
默认 2× 适合绝大多数；4× 仅在你有特别理由且画面里没有 2 像素高的脸时使用。
等待推理
首次下载约 50MB 模型（之后缓存）。M2 约 4 秒，iPhone 14 约 12 秒。
对比并下载
用 Before/After 滑块对比。脸违和就降到 2× 或放弃放大。
| 输入 → 输出 | Apple M2（WebGPU） | iPhone 14（Wasm） | 输出文件大小 |
|---|---|---|---|
| 256×256 → 512×512 | 0.4 秒 | 1.1 秒 | +150% 字节 |
| 512×512 → 1024×1024 | 1.3 秒 | 3.8 秒 | +220% 字节 |
| 1024×1024 → 2048×2048 | 4.1 秒 | 12.0 秒 | +280% 字节 |
常见问题
能放大到 4× 以上吗？
把两次 2× 串起来等效 4×。再往上噪点会主导。
脸为什么有时违和？
网络不知道是谁，只是按局部上下文填出最‘合理’的脸。
模型会上传我的照片吗？
不会。约 50MB 的 ONNX 模型只首次下载并缓存，所有推理都在本地。
可以批量处理吗？
可以——按队列处理，只有第一张承担冷启动。
能去 JPEG 噪点吗？
轻微的可以；强块噪点常被放大。
对 AI 生成图有效吗？
通常不好——会叠加噪点。
立即试用
ONNX Runtime Web + WebGPU 2× / 4× super-resolution
AI Upscale (Real-ESRGAN) — 100% in-browser本文包含 AI 翻译，如发现错误欢迎告知。