Real-ESRGAN：旧插画导出前先放大，别把新细节当原稿
为什么值得关注
比单纯拉大更着重边缘与退化处理，旧插画能用专门模型获得更连贯线稿，便于判断素材是否适合再次导出。
适合谁：拥有合法旧插画或低清素材，需要重新排版导出，并能检查字形与线条的设计及内容创作者。
这次有哪些亮点
- 通用照片与动漫插图分别提供权重
- 超分同时处理退化，特定通用小模型支持降噪强度
- 提供免 CUDA/PyTorch 的 ncnn 便携路线
使用前需要知道
重建细节可能偏离原图，文字需复核；便携分块可能不一致；代码 BSD-3-Clause，未找到逐份权重独立许可，商用分发需确认。
旧插画只有一张小图，放进海报后边线发虚；低清素材想重新排版，普通拉大又把噪点一起放大。Real-ESRGAN 提供了另一种处理：根据学到的图像规律重建更高分辨率的结果，让线条、纹理和边缘更适合继续使用。它值得放在导出前试一试，但保留哪一版，要看作品里的具体内容。
官图里的树枝、文字和楼房，各说明什么
官方 teaser 将双三次放大的输入与 Real-ESRGAN 输出并排。看左半部中间的树枝：输入里的细枝较虚，输出出现了更分明的分叉；再看下面招牌，字母轮廓与装饰边框更干净。右下楼房的窗格、屋檐和墙面线条也更容易分辨。它展示的改善不只是像素数量变多，还包括噪声被压下、边缘被重新组织后的观感。 查看原尺寸对照图。
这几块材料也给出不同的验收标准。树枝可以先看整体是否自然，文字却必须核对字符本身，建筑则应检查窗格有没有被连成一片。官图中英文招牌变清楚，不能推导出模糊中文菜单或证件文字必定能正确恢复。对排版素材，我会把文字区域单独复查；如果字形已经无法确认，重新取得文字或重排比继续增强更可靠。
本文依据官方对照图与文档解读，没有运行这些输入。图里的细线和纹理是模型输出，不是一份额外的高清原稿，所以它适合证明官方展示了何种视觉变化，不能证明每条新树枝、每块砖的形状都对应拍摄现场。
插画值得单独选模型
这张官方动漫示例里，右侧头发与衣领的边线更连贯，色块边缘也更清楚；它是特定样例的对照，不是对所有插画工具的排名。对准备重新导出的旧插画，这种变化往往比增加照片式纹理更有意义，因为原作需要保留的是线稿和色块之间的关系。
官方提供通用图像模型 RealESRGAN_x4plus，也提供针对动漫插图优化的 RealESRGAN_x4plus_anime_6B，后者使用更小的网络。选取时应按素材来：照片、自然纹理先看通用路线，平涂动漫插图先看插图模型，再用原作的细线、网点和柔和渐变检查有没有被处理过头。FAQ 特别指出，人脸增强选项只针对真人脸，不建议用于动漫图；画中有一张脸，并不意味着需要打开真人修复。
噪声少了，不等于所有细节都保住了
超分重建要在清理退化与保留细节之间取舍。旧素材里的压缩噪点和细碎纹理可能混在一起，输出更干净的同时，也可能让本来想保留的质感变平。官方的 realesr-general-x4v3 提供降噪强度选项，用来调节噪声与过度平滑之间的平衡；这一点属于特定模型，不能当成所有权重和界面都有的统一滑块。
如果画面已经平滑得像塑料，继续放大不会把原有笔触找回来。更合适的判断是把输出放回最终版面：所需尺寸下是否更清楚，细线有没有粘连，文字是否仍正确。对于大图，便携版分块处理还可能产生块间不一致，官方明确提示其结果可能与 PyTorch 版略有不同，因此也要看平坦背景有没有接缝。
输出比例也要分清。Python 入口的 outscale 可以给出所需最终尺寸，但官方说明，这是模型输出后再进行一次缩放；填入任意倍率不代表存在同倍率训练的模型。为了适配版面而缩到三点五倍是合理流程，却不能包装成额外恢复了真实细节。
可以从哪条入口开始
官方仓库列有 Windows、Linux、macOS 的 ncnn 便携程序，包含模型，不需配置 CUDA 或 PyTorch，但仍需适配相应运行环境。Python 路线需要 Python、PyTorch 和相关依赖；CPU 使用默认半精度遇到问题时，FAQ 提供全精度选项。这两种入口并非功能完全相同，不宜照搬参数。
代码采用 BSD-3-Clause，官方 README 与模型库给出对应权重下载。本次所读 weights 说明只有存放提示，没有找到逐份权重的独立许可声明，因此不能把代码许可直接扩写成所有权重、第三方封装与素材都可无条件商用；需要商业分发时应向维护者确认所选文件的适用条款。本地处理无需购买项目自身的按张额度，计算资源仍由自己承担。对拥有合法素材、愿意检查边线与字形的人，先放大再决定是否导出，是比“默认四倍就是成品”更可靠的用法。
参考资料：
以上为编辑整理，功能、许可与使用条件以官方说明为准。