RealRestorer: как установить и запустить SOTA модель для восстановления реальных фотографий

Ваши старые фото выглядят как каша? Это лечится

Забудьте про синтетические датасеты, где модель училась на идеальных парах «грязное-чистое». Реальность — это пятна, странные шумы, артефакты сжатия и размытие от дрожащих рук. Восстановить такое — задача для садомазохиста. До марта 2026 года.

RealRestorer — это не очередной академический эксперимент. Это инструмент, который выкатили на Hugging Face с пометкой «State-of-the-Art на RealIR-Bench». Он обогнал предыдущего чемпиона по PSNR на реальных данных. Не на синтетике. На настоящих испорченных фотографиях из вашего семейного архива.

Что умеет RealRestorer, а что нет

Модель заточена под одну задачу: взять JPEG-файл, убитый временем или плохим объективом, и вернуть ему детализацию и резкость. Не путайте с нейросетями для генерации, типа FLUX.2-dev-Turbo. RealRestorer не додумывает, что было на фото. Он восстанавливает то, что есть, но скрыто под шумом.

• Убирает шум (гауссов, пуассонов, тот самый «цифровой»).
• Борется с размытием (движение камеры, дефокус).
• Устраняет артефакты сжатия JPEG (блоки, цветовые искажения).
• Повышает резкость, но без эффекта «перешарпа».

Не ждите от него цветокоррекции, удаления объектов или стилизации под акварель — для этого есть другие инструменты, вроде тех, что мы разбирали в статье про ИИ-акварель из фото.

1 Готовим окружение: питон, торч и немного терпения

Модель работает на PyTorch. Если у вас уже есть среда для машинного обучения, половина дела сделана. Если нет — сейчас настройка займет 10 минут. Не используйте системный Python. Создайте виртуальное окружение. Всегда.

# Клонируем репозиторий (на 30.03.2026 актуальная версия — 1.2.1)
git clone https://github.com/sczhou/RealRestorer
cd RealRestorer

# Создаем и активируем окружение (Python 3.10+)
python3.10 -m venv venv
source venv/bin/activate  # для Windows: venv\Scripts\activate

# Ставим зависимости
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121  # для CUDA 12.1
pip install -r requirements.txt

2 Загружаем веса модели

Авторы выложили предобученные веса на Hugging Face Hub. Не качайте их вручную — используем встроенную загрузку. Модель весит около 2.5 ГБ.

# Пример кода из демо-скрипта (добавлен в репозиторий)
from realrestorer import RealRestorer
import torch

# Модель автоматически скачает веса с Hub при первом запуске
model = RealRestorer.from_pretrained("sczhou/RealRestorer-v1.2.1", device="cuda")

# Если интернет медленный, можно скачать заранее:
# from huggingface_hub import snapshot_download
# snapshot_download(repo_id="sczhou/RealRestorer-v1.2.1")

Если ругается на отсутствие библиотеки huggingface_hub — установите ее: pip install huggingface-hub.

3 Запускаем восстановление

В репозитории есть скрипт inference.py. Но он написан для академиков. Я советую свой мини-скрипт, который решает 90% задач.

import cv2
from realrestorer import RealRestorer
from pathlib import Path

model = RealRestorer.from_pretrained("sczhou/RealRestorer-v1.2.1", device="cuda")

input_dir = Path("damaged_photos")
output_dir = Path("restored_photos")
output_dir.mkdir(exist_ok=True)

for img_path in input_dir.glob("*.jpg"):
    # Читаем изображение
    image = cv2.imread(str(img_path))
    image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    
    # Восстанавливаем
    with torch.no_grad():
        restored = model.restore(image)  # метод restore появился в v1.2
    
    # Сохраняем результат
    output_path = output_dir / f"restored_{img_path.name}"
    cv2.imwrite(str(output_path), cv2.cvtColor(restored, cv2.COLOR_RGB2BGR))
    print(f"Готово: {output_path}")

Положите ваши испорченные фото в папку damaged_photos, запустите скрипт. Через несколько минут (или секунд, если у вас мощная карта) в restored_photos появятся чистые версии.

С чем сравнить? Бенчмарки 2026 года

RealRestorer не единственный игрок на поле. Но на реальных данных он сейчас лучший. Смотрите таблицу (данные RealIR-Bench, март 2026):

Видите разницу в PSNR? 32.5 против 31.1 — это не просто цифра. На глаз это заметно как «вау, а где были эти морщины на старой фотке?».

Почему RealRestorer выигрывает? Авторы кормили модель не только синтетикой, но и партиями реальных испорченных фото, собранных с разных камер и телефонов. Это тот же подход, что используют в DeepEyesV2 для анализа изображений — упор на реальные данные, а не идеальные симуляции.

Кому это в руки, а кому — нет

RealRestorer — инструмент для тех, кто хочет результат, а не игрушки.

• Архивариусам и генеалогам: Оцифровка старых альбомов? Это ваш выбор. Модель бережно работает с выцветшими снимками, не создавая артефактов.
• Фотографам-реставраторам: Заказы на восстановление фото — теперь можно делать быстрее и качественнее, чем вручную в Photoshop.
• Разработчикам: Если делаете приложение для улучшения фото, можно встроить RealRestorer как бэкенд-движок. Он быстрее и точнее многих открытых аналогов.

Не тратьте время на RealRestorer, если:

• Вам нужно восстановить видео. Для этого есть специализированные инструменты, вроде тех, что мы обсуждали в гайде по DIY-реставрации видео.
• Вы хотите «дорисовать» недостающие части лица или фона. Это задача для генеративных моделей, типа Stable Diffusion или Lemon Slice-2.
• У вас нет доступа к GPU, а обработать нужно тысячи фото. Арендуйте облачный инстанс с GPU — это выйдет дешевле, чем ждать неделю на CPU. Некоторые сервисы дают бесплатные кредиты для новых пользователей.

Что делать, если всё сломалось

Частые проблемы и их решения (актуально на март 2026):

Если нужна максимальная скорость на слабом железе, посмотрите в сторону технологий восстановления состояния модели — они позволяют загружать большие нейросети за доли секунды.

RealRestorer — не панацея. Он не вернет утраченные куски фото. Но то, что скрыто под шумом и размытием, он вытащит на свет. И сделает это лучше конкурентов. Пока те догоняют, вы уже отреставрируете весь семейный архив. Иногда победа — это не создать новую реальность, а вернуть старую.

Подписаться на канал