Всем привет.

Навеяно постом про вкладыши.

У меня своё хобби по нейроапскейлу. Увеличиваю пикселарт из старых досовских игр, а иногда - отдельные авторские гифки и картинки из демосцены. В подавляющем большинстве это 320х200 х256 индексированных цветов. Суровый чоткий арт первой половины 90-х, когда максимально развитым инструментом был досовский Deluxe Paint, а всё остальное приходилось на прямые руки и адское терпение художника.

Зачем я это делаю? Ну, приятно всё же хоть на старости лет без напряга фантазии рассмотреть в мельчайших деталях всё то, что в детстве приходилось дорисовывать соломой в голове, глядя на пиксели размером с кулак, чуть размытые на экране пузатого SVGA монитора.
Цельной коллекции как таковой нет по двум причинам. Это далеко не единственное, на что стоило бы тратить свободное время. Но главное - это прогресс нейронок. Нет смысла мучиться ("я сейчас буду апскейлить ВСЕ картинки!"), пытаясь выбить удовлетворяющий результат, и выбирать из десятков полученных наименее косячную, когда через полгода-год новая нейронка или её апгрейд способны поднять планку качества в разы.
И вот об этом - по порядку, с наглядной демонстрацией прогресса.

Преамбула

I. Средневековье, до 2022. "Тупые" апскейлеры, вроде Topaz Enlarge. Более-менее понимали, какая комбинация контрастных пикселей - какую форму контура должна образовывать, что уже на полшишечки было лучше, чем median и smart blur в Фотошопе. Контуры потом очень несмело и осторожненько заполнялись микротекстурой, которая по мнению нейронки была им присуща. Лучше всего апскейлились лица, гораздо хуже - всё остальное.

II. Эпоха зарождения, начало 2022. Вначале обратил внимание на бесплатную демку Dall-E 2, версию от Сбера. По промпту выдавалось нечто парейдолическое, как если бы ожидаемую сцену увидели под каким-нибудь диэтиламидом чего-нибудь запрещённого. Но там нельзя было загружать исходное изображение, работать в режиме img2img.
Чуть позже - Disco Diffusion. Я её пробовал запускать в гугл коллабе, время ожидания и результат не впечатлили, на этом знакомство закончилось. Но загугленные работы тех, кто "смог" - внушали восхищение. Многостраничные гайды по настройке режимов внушали трепет. Да, тогда ещё были тонны всяких параметров, а не новомодный (и ещё не начавший устаревать) "промпт-инжиниринг". Становилось ясно: нейронка сможет рисовать. Сколько угодно пальцев на руках, она так видит. Но все пальцы будут чётенькие.

Закомьтесь: подопытный образец, секретный танк Рейхсмахта феодального дома Добропозитивных Свобододемократусов, готовый к отправке на Очень Далёкий-далёкий восток для контроля добычи нефти психоактивных веществ. Художник - предположительно, Аарон Пауэлл. 1992, 386SX, VGA, пиксели.

Амбула

III. Викторианская эра, осень 2022. Stable Diffusion 1.5 на сайте Dream Studio. Первая для меня диффузная сетка с минимумом настроек. Это если не считать промпта. Промпт был настоящим адом перфекциониста. Правильная последовательность в описании, все эти (((скобочки))), чехарда с синонимами - ехидная сетка так и норовила потерять важный аспект описания. Но на вход мог идти не только промпт, но и исходное изображение - в нужной тебе пропорции, img2img. И она дорисовывала. Безбожно при этом галлюцинируя, когда акцент смещался на промпт. Мелкие контрастные детали, которые человечьему воображению предлагается извлечь из двух-трёх рядом стоящих пикселей, синтезировались по принципу "и так сойдёт".

IV. Индустриализация, Весна 2023. Stable Diffusion 2.0 развёрнутый локально на 12Гб карточке. Вроде бы всё то же, но детализация наглядно демонстрирует, насколько важна память. Ну и количество весов у сетки, пожалуй, выросло. Галлюцинации по прежнему прут со страшной силой.

V. Новое время, апрель 2025. ChatGPT 4o. Для генерации вроде как использовалась подмодель 4o image generation (многие говорят, что это был прикрученный изолентой Dall-E 3, но тут до конца не ясно). Промпт инжиниринг превратился в умение внятно описать сцену нормальным русским языком. Затем под капотом работало что то глубоко мультимодальное, не диффузия, не чистые токены, а хуй знает что и корпоративная тайна. Иногда сцена реконструировалась почти идеально. Иногда ни десятки попыток в новых чатах, ни требования пофиксить не могли выдать композиционно точный апскейл (точнее, уже полную перерисовку). Наглядный пример - всё та же техника из Дюны 2, где танки рисовались под каким угодно углом, но только не строго с видом сбоку. Если продолжать выёбываться: вид сбоку не был локальным максимумом весов, набранных при обучении на миллиардах разных изображений танков. Я раз за разом получал симпатичную фотореалистичную картинку, с минимумом косяков - но всё же не ту.

VI. Ветер перемен, декабрь 2025. ChatGPT 5. Грустно размышляя, что возиться с тоннами слабенького нейрослопа, и тем более, с ControlNet-ами диффузных сеток не хочется, а ГПТ при всей своей мощи редко передаёт сцену в точности, я наткнулся на новости про переход на GPT Image 1.5 в последнем апдейте и всякие восторги по этому поводу. Без особой надежды решил попробовать - и внезапно, довольно простой универсальный промпт начал весьма достойно апскейлить то, что мне было нужно.

Промпт:

Полностью обнули все настройки генератора изображений, фактически - перезапусти его с чистого листа. Попробуй перерисовать этот скриншот в картинку высокого разрешения и детализации. Горизонтальное изображение. Стиль, колоратура, композиция - всё должно быть идеально сохранено. Никаких лишних или наоборот пропавших объектов в сцене. Никакого искажения цвета, насыщенности или яркости. Особое внимание к насыщенности исходных цветов. Поскольку разрешение исходника сверхнизкое - ты должен адекватно добавить мелких деталей, чтобы всё стало выглядеть реалистично. Хорошая аналогия: сделанная картинка, будучи уменьшенной до размера исходника, должна быть похожа на него максимально. Чёткость отрисовки превалирует над "фотореализмом": картинка должна сохранять вайб пиксель-арта, только очень детального и высокого разрешения, а не быть условной имитацией фотографии. "high contrast, sharp edges, subsurface scattering"
[Подсказки: необязательный абзац, здесь описания отдельных нюансов картинки, обычно по мелким объектам. Желателен только на визуально очень сложных исходниках, если с первого-второго раза в рисунке одна и та же ошибка.]

Строчка насчёт обнуления, хотя сам ГПТ клятвенно заверял, что в новом чате он чист аки агнец - всё же имеет смысл, без неё я частенько видел засорение генератора фантомами более старых изображений. Может, уже пофиксили.

VII. Наши дни, март 2026. Gemini 3. Приобретя подписку на главного конкурента, я конечно же потестил его на своём хобби. Оказалось, что:

• гэпэтэшный промпт работает слишком в лоб, часто сохраняя квадраты пикселей, пришлось совместно создавать новый;

• по умолчанию перерисовывает гораздо чётче, но менее насыщенно;

• стремится к фотореализму, причём почему-то на очень малой ГРИП и с заметными джепежными артефактами сжатия;

• если надавать по рукам, то стремится к стилю аниме;

• но этот стиль (чёрные контуры, градиенты) на месте может быть быстро задавлен требованием реалистичной детализации.

  Если ChatGPT довольно скверно работал с корректировками полученного результата в том же чате (каламбур), что-то получалось или с уменьшением яркости, или с уходом в жёлтый цвет, или исправлений почти не вносилось - то Gemini в этом плане более толковая.

Из заметных недостатков: небо стало немного matte-painting, пропали светлые пятна камуфляжа, странноватый, словно изломанный, вид излучателя, странная подвеска гуслей. Ну да ладно, будущее же, кто знает, как там танки делают. Но всё остальное...

В начале 90-х художники впали бы в ступор.
В конце 90-х спросили бы: "сколько месяцев ты перерисовывал или рендерил в тридэ студии кадр из старой игрушки, а главное - зачем?"

An ultra-high-resolution, incredibly detailed illustration, reimagining the provided low-resolution 8-bit image with intricate, photo-realistic and high-end anime-style fidelity. The model must strictly preserve the entire original composition, camera angle, and the exact position and color mapping of every key object. The goal is to eliminate all pixel blocks, dithering, and schematic simplicity, replacing them with detailed textures and defined forms. All mechanical components (if any) must be rendered as complex, engineered assemblies with visible rivets, panel lines, wiring, and metallic textures. All natural elements (foliage, grass, clouds, skin, fabric) must be rendered with natural, organic textures and detail. Colors must be made vibrant and rich, utilizing modern smooth color gradients instead of a limited 8-bit palette. The final image should look like a highly polished game asset or a finished, clean, complex illustration panel with high contrast and sharp focus, completely hiding its pixelated origins. Add extreme detail to foreground and background elements to fill the space realistically without changing the main subjects. Use precise lighting to define solid object shapes.

что потом вылилось в

An ultra-high-resolution, incredibly detailed photo-realistic 3D render, reimagining the provided low-resolution 8-bit image. The model must strictly preserve the entire original composition, camera angle, and the exact placement of every key object. The style must shift from hand-drawn illustration to a physical, solid 3D asset as seen in a modern game engine like Unreal Engine 5. All distinct elements must be rendered with crisp, defined physical edges, but NO black or hand-drawn contours must be used. All physical properties (like metal grain, paint wear, leaf veins, fabric weave) must be extremely detailed. The color palette must be MADE ULTRA-SATURATED and VIBRANT, using modern smooth color gradients and PBR (Physically Based Rendering) texturing to enhance color depth. Colors should be rich and "pop" like a polished studio photo, completely hiding their pixelated origins without becoming muted or dark. Use precise, direct lighting and specular highlights to define solid shapes and clean separation between parts, avoiding all "muddy" blending. Add intricate, fine foreground and background details to fill the space realistically.

Забавное, хотя банальное наблюдение: с каждым обновлением нейронки ощущался "вау-эффект". Хотя на старые сейчас без слёз кринжа не взглянешь. Но субъективно - крутой подъём по логарифму качества пройден, теперь будут только косметические улучшения и ускорение создания, с маячащей на горизонте кнопкой "сделай заебись".

Кстати, вот сколько было попыток апскейла картинки:

• DreamStudo: около пятидесяти, с адским промптингом "наощупь". То был период ахуя от открывающихся возможностей, а сайт давал доступ к десятку крутилок и щедро выбрасывал до 9 генераций на экран, одна другой хуже. Со временем понерфил настройки, почти сломал img2img и слился с серой массой других платных сайтов.

• Локальная SD2: около десяти, с теми же промптами.

• ChatGPT 4o: около двадцати (всё пытался получить WYSWYG по композиции).

• ChatGPT 5: около четырёх.

• Gemini 3: четыре, но лучшую из них пришлось "деаниместайлить" корректировочными промптами, не отходя от чата. И внезапно, вышла годнота.

Напоследок - немного моего слопа в ГПТ 5 по другим образцам, как арта, так и скриншотов.