Old Photo Studio

Cara kerja

Old Photo Studio memulihkan foto di dalam browser web Anda. Foto Anda tetap berada di perangkat Anda dari awal sampai akhir.

Foto Anda tetap di perangkat Anda

Saat Anda memilih foto, browser membacanya dari perangkat Anda ke memori. Perangkat Anda sendiri yang memulihkan foto, dengan memakai file model kecil dan perangkat lunak yang menjalankannya. Keduanya berasal dari situs kami. Foto Anda tidak pernah dikirim kepada kami atau siapa pun. Saat Anda menyimpan hasilnya, Anda memilih sendiri tempatnya. Di ponsel, Simpan foto membuka menu berbagi ponsel Anda, tempat Anda bisa menyimpan foto ke galeri foto atau berkas Anda. Jika browser Anda tidak bisa membagikan berkas, foto itu diunduh seperti berkas biasa lainnya.

Saat pertama kali memakai alat ini, browser Anda mengunduh model dan perangkat lunaknya. Browser Anda menyimpan salinannya, sehingga pada kunjungan berikutnya tidak perlu diunduh lagi. File-file ini tidak berisi informasi tentang Anda atau foto Anda.

Yang terjadi pada foto Anda

  1. Anda memilih foto. Berkas JPEG, PNG, dan WebP bisa dipakai. Jika foto diambil dengan posisi miring, foto itu diputar ke posisi yang benar lebih dulu. Foto yang sangat besar diperkecil dulu, agar perangkat Anda bisa menanganinya.
  2. Goresan dan debu ditandai. Model kerusakan mencari goresan, debu, dan bintik, lalu menandainya dengan warna merah. Wajah dikecualikan, karena model ini mengira kilau cahaya di mata orang sebagai bintik. Tanda ini hanya saran: pada foto sungguhan, model melewatkan sebagian debu dan goresan halus. Model juga bisa menandai tepi karton foto yang sobek atau tidak rata sebagai kerusakan, jadi potong tepi karton dan bingkai sebelum Anda mulai.
  3. Anda memeriksa tandanya. Lukis di atas kerusakan yang terlewat, hapus tanda yang bukan kerusakan, dan urungkan jika perlu. Lalu pilih “Isi dan pulihkan”, atau “Lewati langkah ini” untuk membiarkan foto seperti semula.
  4. Bagian yang ditandai diisi. Model pengisi hanya melukis ulang area yang ditandai, berdasarkan foto di sekitarnya. Model ini bekerja pada salinan dengan sisi terpanjang sekitar 1.024 piksel. Hasil isiannya digabungkan kembali ke foto penuh Anda hanya di dalam tanda. Bagian lain foto tidak disentuh.
  5. Nada foto diratakan. Langkah tetap ini meregangkan nada terang dan gelap pada foto yang pudar, sehingga bagian paling gelap menjadi gelap dan bagian paling terang menjadi terang. Langkah ini tidak mengubah rona warna foto, dan tidak membuat foto menjadi lebih terang. Jika Anda mematikan warna di langkah 7, foto sepia atau berona cokelat tetap mempertahankan ronanya.
  6. Model peningkatan membersihkan dan memperbesar foto. Model ini bekerja pada detail terang dan gelap foto: butiran, keburaman, dan kotak-kotak akibat kompresi. Foto dibuat 4 kali lebih lebar dan 4 kali lebih tinggi. Warna foto diperbesar dengan metode pengubahan ukuran standar lalu dikembalikan, jadi model ini tidak mengubah warnanya.
  7. Warna ditambahkan, jika Anda mau. Untuk foto hitam putih atau sepia, model warna menyarankan warna dengan bekerja dari foto yang sudah diisi dan diratakan nadanya. Warna itu lalu digabungkan dengan hasil yang diperbesar, sehingga ukurannya tetap penuh. Warna aktif secara bawaan untuk foto tanpa warna dan mati untuk foto berwarna, dan sakelar Tambahkan warna menyalakan atau mematikannya. Penggeser “Kekuatan warna” membuat warna lebih lembut atau lebih cerah, dan hasilnya berubah seketika. Warna ini tebakan model, bukan warna aslinya. Mewarnai foto hitam putih berisi tips untuk warna yang lebih baik.
  8. Anda membandingkan dan menyimpan. Anda bisa melihat foto asli dan hasilnya, lalu pilih “Simpan foto” untuk menyimpan hasilnya sebagai berkas PNG baru, dengan nama foto Anda ditambah “-restored”. Berkas asli Anda tidak berubah. Berkas baru tidak membawa detail tersembunyi dari foto asli, seperti tanggal pengambilan atau kamera yang dipakai.

Seberapa cepat?

Tergantung perangkat Anda dan ukuran fotonya. Di browser yang mendukung WebGPU, alat ini memakai chip grafis perangkat Anda, yang biasanya lebih cepat. Di browser lain, alat ini memakai prosesor utama, yang lebih lambat. Foto pertama juga harus menunggu model selesai diunduh.

Model-model

Kami melatih model-model ini sendiri, dengan foto-foto lama yang tercantum di Flickr sebagai milik umum, CC0 (tanpa hak cipta yang dicadangkan), atau “tidak diketahui adanya pembatasan hak cipta” (Flickr Commons). Foto-foto itu dikumpulkan dari dataset Megalith-10M. Setiap model belajar sebagian dari model sumber terbuka yang lebih besar, yang dipakai sebagai acuan selama pelatihan. Kami hanya menerbitkan model yang kami latih sendiri. Model acuan tidak termasuk dalam situs ini.

Tanda goresan dan debu

  • Dilatih oleh kami dengan foto lama yang sengaja diberi kerusakan, dan dengan foto rusak sungguhan yang ditandai oleh pendeteksi goresan dari Microsoft, “Bringing Old Photos Back to Life” [Menghidupkan kembali foto lama] (lisensi MIT). Pendeteksi itu dipakai sebagai model acuan selama pelatihan.

Mengisi tanda

  • Dilatih oleh kami, dengan LaMa (lisensi Apache-2.0) sebagai model acuan selama pelatihan.

Warna

  • Model ColorNet kami. Encoder-nya dimulai dari model MobileNetV3-Large yang dilatih dengan ImageNet di torchvision (lisensi BSD-3-Clause).
  • Dilatih oleh kami dengan DDColor (lisensi Apache-2.0) sebagai model acuan selama pelatihan.

Peningkatan (membersihkan butiran dan keburaman, memperbesar 4 kali)

  • Desain jaringan: SRVGGNetCompact, diterbitkan bersama Real-ESRGAN oleh Xintao Wang dan lainnya (lisensi BSD-3-Clause).
  • Dilatih dengan model Real-ESRGAN sebagai model acuan selama pelatihan: general-x4v3 dengan model denoise pada kekuatan 0,5 (BSD-3-Clause, © 2021 Xintao Wang), dan RealESRGAN_x4plus (lisensi sama) pada tahap pelatihan sebelumnya. Model kami belajar mencocokkan hasil mereka pada foto kami.

Perangkat lunak yang menjalankan model

  • ONNX Runtime Web, dari Microsoft (lisensi MIT).

Model kami

  • Model restorasi di situs ini dilatih oleh kami. Kami tidak memberikan lisensi untuk menyalin, mengekstrak, atau memakai ulang model ini. Lisensi sumber terbuka yang tercantum di sini milik proyek-proyek tersebut, dan model kami sendiri tidak dirilis di bawah lisensi itu.

Links: Bringing Old Photos Back to Life https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life · LaMa https://github.com/advimman/lama · DDColor https://github.com/piddnad/DDColor · torchvision https://github.com/pytorch/vision · Real-ESRGAN https://github.com/xinntao/Real-ESRGAN · ONNX Runtime https://github.com/microsoft/onnxruntime · Megalith-10M https://huggingface.co/datasets/madebyollin/megalith-10m

Batasan

  • Yang sudah hilang tidak bisa dikembalikan. Sudut yang sobek, lubang, dan goresan berat yang melewati wajah tidak menyisakan apa pun untuk dikerjakan.
  • Alat ini memperkirakan detail halus. Saat memperbesar foto, ia mengisi butiran dan tekstur berdasarkan foto-foto lama yang dipelajarinya. Wajah dan tulisan bisa tampak lebih halus atau sedikit berbeda dari aslinya. Periksa sebelum mencetak.
  • Tanda goresan hanya saran. Model kerusakan melewatkan sebagian debu dan goresan halus, dan membiarkan wajah tidak ditandai. Periksa tanda merah sebelum Anda mengisinya. Alat ini tidak menghapus noda.
  • Bagian yang diisi adalah tebakan. Model pengisi melukis apa yang kemungkinan dulu ada di sana, berdasarkan area di sekitarnya. Periksa wajah, mata, dan tulisan.
  • Warna adalah tebakan. Model warna tidak tahu warna aslinya. Sebuah gaun atau mobil mungkin dulunya berwarna lain. Buat warnanya lebih lembut dengan penggeser, atau matikan warna.
  • Hasilnya bukan salinan dari aslinya. Hasilnya adalah gambar baru yang dibuat dari foto Anda. Simpan cetakan asli dan pindaian pertama Anda. National Archives menyarankan agar foto asli tetap disimpan setelah didigitalkan.

Sumber: National Archives, “Digitizing Family Papers and Photographs” (dalam bahasa Inggris). https://www.archives.gov/preservation/family-archives/digitizing.html (dibaca 4 November 2026)