fal의 사진 복원 모델을 이용해 오래된 사진 복원 도구를 만들었습니다 — 실제 파이프라인 공개

오래된 스캔 가족 사진은 보통 세 가지 별개의 문제가 겹쳐져 있습니다: 물리적 손상(주름, 찢어짐, 물 얼룩), 화학적 열화로 인한 색 바램/변색, 그리고 원본 인쇄물이나 스캔으로 인한 낮은 해상도입니다. 대부분의 소비자용 '사진 복원' 앱은 이 중 하나만 잘 처리하고 나머지 두 가지는 무시합니다.

저는 일반적인 이미지-투-이미지(img2img) 스타일 변환으로 복원을 다루기보다는, 세 가지 문제를 동시에 해결하도록 훈련된 fal.ai의 전용 사진 복원 모델을 기반으로 Reviva를 만들었습니다.

왜 전용 복원 모델이 일반적인 img2img 프롬프트보다 나은가

이 모델을 사용하기 전에, 초보적인 접근 방식은 다음과 같았습니다: 손상된 사진을

upload 스캔된/손상된 사진 (JPEG/PNG, 모든 해상도)
  → fal photo-restoration 추론(inference)
  → 손상 제거 + 색상 복구 + 밝기 업스케일
...

가격은 구독제가 아닌 사진당 고정 가격($9)입니다. 가족사진을 복원하는 대부분의 사람들은 반복적인 작업이 아니라 일회성 배치 작업(물려받은 사진 앨범, 특정 손상된 인화지 등)을 하기 때문에, 구독 모델은 실제 사용 패턴에 적합하지 않습니다.

복원급 모델(restoration-class models)을 구축하는 사람들을 위한 교훈

• 사용자에게 단순히 출력 이미지뿐만 아니라 비포/애프터 슬라이더를 제공하세요. 복원 품질은 직접 비교할 때 훨씬 판단하기 쉬우며, 이는 이 종류의 도구에서 제가 출시한 가장 전환율이 높은 UI 요소입니다.
• 가능하다면 업스케일링과 복원을 같은 과정(pass)에서 수행하지 마세요. 손상 제거를 먼저 수행하고 그 다음에 업스케일링을 하는 것이 한 번의 추론 호출(inference call)로 둘 다 시도하는 것보다 더 깨끗한 결과를 제공합니다.
• 특히 색이 바랜 사진에 대한 기대치를 설정하세요. 물리적 손상(찢어짐, 주름)은 거의 완벽하게 복원됩니다. 심각한 화학적 색상 변화(세월이 지나 노란색/자홍색으로 변한 사진)는 잘 복원되지만, 그 정보가 단지 저하된 것이 아니라 실제로 사라진 경우이기 때문에 항상 원본과 완벽하게 일치하는 색상은 아닙니다.

실시간 도구: https://photo-restore-hyn.pages.dev/

만약 fal의 복원 또는 업스케일링 모델을 사용하고 있고 매개변수(parameters)에 대해 의견을 비교하고 싶다면, 댓글에서 이야기 나누는 것을 환영합니다.