PhotoldHoe werkt AI-fotoherstel?
Door het Photold-team · · 6 min lezen
AI-fotoherstel werkt met voorspelling. Een model wordt getraind op een enorm aantal afbeeldingen tot het heeft geleerd hoe foto's er meestal uitzien. Krijgt het een beschadigde foto, dan genereert het een waarschijnlijke herstelde versie. Het zoekt niets op en weet niets van jouw familie.
Dat ene idee verklaart zowel de goede als de slechte resultaten. Een kras over een effen muur is een makkelijke gok, en de gok zal prima zijn. Een kras over een oog is ook een gok, en daar kan hij veranderen op wie de persoon lijkt.
Wat het model leert tijdens de training
Stel je iemand voor die jarenlang naar foto's heeft gekeken. Die heeft niet elke foto onthouden, maar wel patronen opgepikt: hoe licht op een wang valt, hoe een kraag plooit, hoe baksteen eruitziet, hoe filmkorrel verschilt van een kras. Een model doet iets vergelijkbaars, in getallen in plaats van woorden.
De training gebeurt voordat je ooit een tool gebruikt. Upload je een foto, dan past het model toe wat het al heeft geleerd. Bij Photold gebruiken we je foto's niet om AI-modellen te trainen.
Wat er gebeurt als je het een beschadigde foto geeft
De details verschillen per tool, maar de grote lijn is vrijwel hetzelfde.
- De afbeelding wordt naar het model gestuurd. Bij Photold gaat die via onze servers naar onze AI-leveranciers, Google (Gemini API) en eachlabs, die modellen van andere aanbieders kunnen draaien.
- De opdracht wordt beschreven. De tool zegt wat er gedaan moet worden, zoals schade repareren of kleur toevoegen, en wat met rust moet blijven.
- Het model leest wat er staat: vormen, tonen, gezichten, en wat op schade lijkt in plaats van op een deel van het tafereel.
- Het genereert een beeld. Waar de foto duidelijke informatie geeft, volgt het die. Waar dat niet zo is, vult het in wat daar gewoonlijk hoort.
- Je krijgt een nieuw bestand terug. Het is een nieuw beeld op basis van je upload, dus details kunnen ook veranderen op plekken zonder schade. Daarom is de controle aan het eind belangrijk.
Terugvinden versus reconstrueren
Denk aan een brief met een koffievlek. Bedekt de vlek een deel van “we zijn vanochtend veilig aangekomen”, dan kun je het woord met vertrouwen invullen, want wat er overblijft beslist het. Dat lijkt op terugvinden. Bedekt de vlek de naam van een stad, dan kun je nog steeds een stadsnaam opschrijven die past. Het ziet er goed uit en het is verzonnen. Dat is reconstrueren.
AI-tools doen allebei, en het resultaat laat je niet zien welke welke is.
| Op je foto | Wat de tool doet | Hoe ver je het kunt vertrouwen |
|---|---|---|
| Verbleekte schaduwen en hoge lichten | Terugvinden: het detail zit in de scan, alleen vaag | Tamelijk ver |
| Stof en fijne krassen op een effen vlak | Bijna terugvinden: de omgeving beslist het | Tamelijk ver |
| Een scheur door een muur of lucht | Reconstrueren, en er hangt weinig van af | Meestal prima |
| Een barst door een oog of mond | Reconstrueren, en er hangt veel van af | Controleer het bij iemand die de persoon kende |
| Een heel wazig gezicht | Bijna elk kenmerk reconstrueren | Een gelijkenis, geen vastlegging |
| Kleur op een zwart-witfoto | Reconstrueren: kleur zat nooit in het bestand | Aannemelijk, niet vastgelegd |
Haal een scan door Photold en kijk goed naar wat is behouden en wat is ingevuld.Probeer Photold
Waarom resultaten verschillen en waarom gezichten en tekst lastig zijn
Resultaten verschillen per bronfoto. Een schone, scherpe scan laat minder te gokken over. Stelt een resultaat teleur, probeer dan eerst een betere scan, zoals onze gids voor het herstellen van oude foto's uitlegt.
Gezichten zijn lastig omdat jij er een expert in bent. Een kleine verschuiving van een ooglid, die je bij een boom nooit zou opmerken, kan iemand op een vreemde laten lijken. Het model kent gezichten in het algemeen, niet dit gezicht. De signalen lopen we door in verandert AI-fotoherstel gezichten?
Tekst is lastig omdat letters exact moeten zijn. Een model weet beter hoe schrift eruitziet dan wat één bepaald bord zei, dus het kan vormen produceren die op woorden lijken en niets betekenen. Wees wantrouwend tegenover insignes, winkelborden en kleine opschriften in een resultaat, en lees ze van je scan.
Herstellen, inkleuren en verbeteren zijn verschillende klussen
Ze klinken als één ding, maar elk stelt een andere vraag en draagt een ander risico. Daarom helpt het ze als aparte stappen te draaien en elk te controleren.
| Klus | De vraag die het beantwoordt | Het risico | In Photold |
|---|---|---|---|
| Herstellen | Wat zat er onder deze schade? | Detail verzinnen in de beschadigde gebieden | Herstellen, Krassen verwijderen |
| Inkleuren | Welke kleur was dit waarschijnlijk? | Een aannemelijke kleur die fout is | Inkleuren |
| Verbeteren | Hoe zou dit eruitzien als het scherper was? | Detail toevoegen dat er nooit was | Verbeteren naar HD |
Waarom het uitmaakt wat een tool het model laat behouden
Aan zichzelf overgelaten wordt een model aangetrokken door hoe foto's er meestal uitzien: gladdere huid, nettere tanden, een opgeruimdere compositie. Een vage opdracht om een foto beter te maken geeft het ruimte om dat allemaal te doen. Een restauratietool moet grenzen stellen en zeggen wat moet blijven: het palet, de compositie, de gezichten. Lees als je tools vergelijkt net zo goed wat elk belooft met rust te laten als wat het belooft te repareren.
Dit is waar Photold op mikt. Herstellen behoudt het palet, dus zwart-wit blijft zwart-wit en sepia blijft sepia, en het is zo ontworpen dat het niet bijsnijdt, niets opnieuw in scène zet en gezichten, uitdrukkingen of huidskleur niet verandert. Verbeteren naar HD mag identiteit of huidskleur niet veranderen. Inkleuren maakt huid niet lichter. Deze doelen beperken veranderingen maar kunnen ze niet uitsluiten, omdat fijn detail dat door schade is verborgen, wordt gereconstrueerd, niet teruggevonden. Iemand die het onderwerp kende, is de beste rechter van het resultaat.
Over wat er met de bestanden zelf gebeurt, lees je in is het veilig om familiefoto's te uploaden.
Veelgestelde vragen
Vindt AI-fotoherstel het echte detail van een foto terug?
Alleen waar er nog een spoor van over is, zoals in verbleekte schaduwen. Detail dat volledig door schade is verborgen, wordt gereconstrueerd, wat betekent dat het een waarschijnlijke versie is en niet wat er stond.
Weet de AI hoe mijn familielid eruitzag?
Nee. Het heeft jouw foto en algemene patronen die het van andere afbeeldingen heeft geleerd. Daarom moet je het resultaat vergelijken met andere foto's van de persoon, of het vragen aan iemand die hem of haar kende.
Waarom werkt dezelfde tool goed op de ene foto en slecht op de andere?
Resultaten hangen af van hoeveel informatie de bron bevat. Een groot, schoon portret laat weinig te gokken over, terwijl een piepklein of beschadigd gezicht veel overlaat.
Wordt mijn foto gebruikt om de AI te trainen?
Dat hangt af van de dienst, dus lees het privacybeleid. Photold gebruikt je foto's niet om AI-modellen te trainen.
Kan AI tekst op een oud bord of document herstellen?
Niet betrouwbaar. Zijn de letters verborgen, dan kan een model vormen produceren die alleen op schrift lijken, dus lees belangrijke tekst van de scan zelf.
