Old Photo Studio

運作方式

Old Photo Studio 在您的網頁瀏覽器中修復照片。您的照片從頭到尾都留在自己的裝置上。

您的照片留在您的裝置上

您選擇照片後，瀏覽器會把照片從您的裝置讀入記憶體。修復由您自己的裝置完成，使用的是小型模型檔案和執行它們的軟體。兩者都來自我們的網站。您的照片從不會傳送給我們或任何其他人。當您儲存結果時，由您選擇儲存的位置。在手機上，「儲存照片」會開啟手機的分享選單，您可以把照片存到相簿或檔案中。如果瀏覽器無法分享檔案，照片會像其他檔案一樣下載。

您第一次使用工具時，瀏覽器會下載模型和它們的軟體。瀏覽器會保留一份副本，所以之後造訪時不需要再下載。這些檔案不包含任何關於您或您照片的資訊。

您的照片會經歷什麼

  1. 選擇照片。 可以使用 JPEG、PNG 和 WebP 檔案。如果照片是橫向拍的，會先轉成正確的方向。很大的照片會先縮小，讓您的裝置能夠處理。
  2. 標出刮痕和灰塵。 損傷模型會尋找刮痕、灰塵和小斑點，並用紅色標出。它不會標出臉部，因為它會把人眼的反光誤認為斑點。這些標記只是建議：在真實照片上，模型會漏掉部分灰塵和細小的刮痕。它也可能把破損或參差不齊的卡片邊緣當成損傷，所以開始前請先裁掉邊框。
  3. 檢查標記。 塗抹補上模型漏掉的損傷，擦除不是損傷的標記，需要時可以復原。然後選擇「填補並修復」，或選擇「略過這個步驟」，讓照片維持原樣。
  4. 填補有標記的部分。 填補模型只根據周圍的照片，重新繪製有標記的區域。它在長邊約 1,024 像素的副本上運作，填補的部分只會在完整照片的標記範圍內融合回去。其他部分不會被更動。
  5. 調整色調。 固定的步驟會拉伸褪色照片的明暗色調，讓最暗的部分變暗、最亮的部分變亮。這個步驟不會改變照片的色調顏色。如果您在第 7 步關閉色彩，棕褐色或帶褐色調的照片會保留它的色調。
  6. 增強模型清理並放大照片。 模型處理照片的明暗細節：顆粒、模糊和壓縮痕跡。它會讓照片的寬和高都變成 4 倍。照片的色彩會用標準的縮放方法放大，然後再放回去，所以這個模型不會改變色彩。
  7. 如果您想要，加上色彩。 對於黑白或棕褐色照片，色彩模型會根據已填補、已調整色調的照片來建議顏色。接著，這些顏色會與放大後的結果合併，因此以完整尺寸呈現。沒有色彩的照片預設開啟色彩，有色彩的照片預設關閉，並有一個開關可以開啟或關閉。「色彩強度」滑桿會讓顏色更柔和或更鮮豔，並立即改變結果。顏色是模型的猜測，不是真實的顏色。黑白照片上色有讓色彩更好的建議。
  8. 比較並儲存。 您可以比較原件和結果，然後把結果儲存為新的 PNG 檔案，檔名是在您的照片檔名後加上「-restored」。您的原始檔案不會被更動。新檔案不會保留原件的隱藏資訊，例如拍攝日期或所用的相機。

速度如何？

速度取決於您的裝置和照片的大小。在支援 WebGPU 的瀏覽器上，工具會使用裝置的圖形晶片，通常比較快。在其他瀏覽器上，它使用主處理器，速度較慢。第一張照片還要等模型下載完成。

模型

我們自己訓練了這些模型，使用的是 Flickr 標示為公有領域、CC0（不保留權利）或「沒有已知著作權限制」（Flickr Commons）的老照片，這些照片來自 Megalith-10M 資料集。每個模型在訓練時，都部分參考了一個較大的開源模型。我們只釋出自己訓練的模型，參考模型不屬於本網站的一部分。

刮痕和灰塵標記

  • 由我們在刻意加入損傷的老照片上訓練，並以真實受損照片作為訓練資料，這些照片由 Microsoft 的《Bringing Old Photos Back to Life》（讓老照片重現生機）中的刮痕偵測器標記（MIT 授權），該偵測器在訓練時作為參考模型。

填補標記

  • 由我們訓練，訓練時以 LaMa（Apache-2.0 授權）作為參考模型。

色彩

  • 我們的 ColorNet 模型。它的編碼器從 torchvision 中以 ImageNet 訓練的 MobileNetV3-Large 模型開始（BSD-3-Clause 授權）。
  • 由我們訓練，訓練時以 DDColor（Apache-2.0 授權）作為參考模型。

增強（清理顆粒和模糊，放大 4 倍）

  • 網路架構：SRVGGNetCompact，由 Xintao Wang 等人與 Real-ESRGAN 一同發表（BSD-3-Clause 授權）。
  • 訓練時使用 Real-ESRGAN 模型作為參考模型：general-x4v3 搭配強度 0.5 的去噪模型（BSD-3-Clause，© 2021 Xintao Wang），以及較早訓練階段使用的 RealESRGAN_x4plus（同一授權）。我們的模型學著在我們的照片上達到與它們相近的結果。

執行模型的軟體

  • ONNX Runtime Web，由 Microsoft 開發（MIT 授權）。

我們的模型

  • 本網站上的修復模型是我們自己訓練的。我們不授權他人複製、擷取或再利用它們。這裡列出的授權屬於我們提到的開源專案，我們自己的模型不以這些授權釋出。

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

限制

  • 無法找回已經消失的部分。 撕掉的角落、破洞，以及穿過臉部的嚴重刮痕，都不會留下可以參考的內容。
  • 它是估計細節。 放大照片時，它會根據學習過的老照片填補顆粒和紋理。臉部和文字可能比原件更平滑或略有不同。列印前請檢查。
  • 刮痕標記只是建議。 損傷模型會漏掉部分灰塵和細小的刮痕，也會把臉部排除在外。填補前請檢查紅色標記。它無法去除污漬。
  • 填補的部分是猜測。 填補模型會根據周圍區域，畫出可能原本應該存在的內容。請檢查臉部、眼睛和文字。
  • 顏色是猜測。 色彩模型不知道真實的顏色。一件衣服或一輛車當年可能是另一種顏色。請用滑桿讓色彩更柔和，或把色彩關掉。
  • 它不是原件的複製品。 結果是根據您的照片製作的新圖像。請保留紙本原件和第一次的掃描檔。美國國家檔案館建議，數位化之後仍要保留原件。

來源：美國國家檔案館，「Digitizing Family Papers and Photographs」（英文）。https://www.archives.gov/preservation/family-archives/digitizing.html（2026 年 11 月 4 日查閱）