傳統的圖片放大技術通常是透過插值運算(Interpolation)來增加解析度,但這類方法無法憑空產生更多細節,因此放大後的圖片往往會變得模糊。換個角度來看,這就像是試圖從一個平均成績反推出所有原始成績一樣,在缺乏額外資訊的情況下幾乎不可能做到。
隨著 AI 技術的快速發展,透過深度學習模型推測並補足缺失細節已成為影像處理的重要應用之一。利用 AI 的「腦補能力」,不僅能提升圖片解析度,還能盡可能保留甚至重建原有細節,讓放大後的畫面看起來更加清晰自然。
在 ComfyUI 中,AI 圖片放大屬於相當基礎且實用的工作流程。整個流程只需要幾個核心節點即可完成:
- Load Image:載入原始圖片
- Load Upscale Model:載入 AI 放大模型
- Upscale Image:執行圖片放大
- Save Image:儲存放大結果
將上述節點串接完成後,即可建立一套基本的 AI 圖片放大工作流程。
目前可用於 AI 放大的模型相當多,本篇示範採用廣受歡迎的 RealESRGAN_x4plus 模型。由於 ComfyUI 預設並未內建此模型,因此需要額外下載:
下載完成後,請將模型檔案放置於以下目錄:
ComfyUI\models\upscale_models\需要特別注意的是,只要新增、移除或更換模型檔案,都必須重新啟動 ComfyUI,系統才會重新掃描並載入新的模型。
重新啟動 ComfyUI 後,如果設定正確,便可以在 Load Upscale Model 節點的下拉選單中看到 RealESRGAN_x4plus.pth。

接下來只要在 Load Image 節點中選擇要放大的圖片,確認工作流程連線無誤後,按下畫面上方的 Run 按鈕,即可開始執行 AI 圖片放大作業。
相較於傳統的插值放大方式,AI 放大能夠有效改善圖片模糊、鋸齒與細節流失等問題,尤其對於老照片修復、動漫圖片、產品照片以及網頁素材的放大處理,都能獲得相當不錯的效果。
最後若讀者對於建立節點有不明瞭的地方,小編在此提供 workflow 的 json 檔供大家參考:
{
"last_node_id": 5,
"last_link_id": 3,
"nodes": [
{
"id": 1,
"type": "LoadImage",
"outputs": [
{
"name": "IMAGE",
"type": "IMAGE",
"links": [1]
}
],
"widgets_values": [
"5c311006.jpg",
"image"
]
},
{
"id": 4,
"type": "UpscaleModelLoader",
"outputs": [
{
"name": "UPSCALE_MODEL",
"type": "UPSCALE_MODEL",
"links": [2]
}
],
"widgets_values": [
"RealESRGAN_x4plus.pth"
]
},
{
"id": 5,
"type": "ImageUpscaleWithModel",
"inputs": [
{
"name": "upscale_model",
"type": "UPSCALE_MODEL",
"link": 2
},
{
"name": "image",
"type": "IMAGE",
"link": 1
}
],
"outputs": [
{
"name": "IMAGE",
"type": "IMAGE",
"links": [3]
}
]
},
{
"id": 3,
"type": "SaveImage",
"inputs": [
{
"name": "images",
"type": "IMAGE",
"link": 3
}
],
"widgets_values": [
"ComfyUI"
]
}
],
"links": [
[1, 1, 0, 5, 1, "IMAGE"],
[2, 4, 0, 5, 0, "UPSCALE_MODEL"],
[3, 5, 0, 3, 0, "IMAGE"]
]
}