Wird Real-ESRGAN noch gepflegt?
Ja. Real-ESRGAN, veröffentlicht von Forschern des Tencent ARC Lab, bleibt ein aktives Open-Source-Repository auf GitHub — es ist nicht archiviert und fungiert als De-facto-Standard-Upscale-Backend, auf dem andere aktiv entwickelte Tools aufbauen, statt als eigenständige App, die eigene, häufige Releases benötigt.
Das klarste Signal für die anhaltende Relevanz ist indirekt: Die eingebauten Upscale-Nodes von ComfyUI, der Extras-Tab von AUTOMATIC1111 WebUI und die dedizierte Open-Source-App Upscayl liefern 2026 alle standardmäßig Real-ESRGAN-Modellgewichte mit. Ein Tool, das so tief als Infrastruktur in mehrere aktiv gepflegte Projekte eingebettet ist, verschwindet nicht wie eine eigenständige App ohne nachgelagerte Abhängigkeiten.
Status des GitHub-Repositorys
- Zustand:
- Aktiv, nicht archiviert
- Bedeutung:
- Quellcode, Issue-Tracker und Pull Requests bleiben auf github.com/xinntao/Real-ESRGAN offen
Nachgelagerte Verbreitung
- Zustand:
- Standardmäßig gebündelt
- Bedeutung:
- ComfyUI, AUTOMATIC1111 WebUI und Upscayl liefern alle Real-ESRGAN-Modelle als Standard- oder Haupt-Upscaler mit
Originalpaper
- Zustand:
- Veröffentlicht 2021, ICCV Workshops
- Bedeutung:
- „Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data" von Xintao Wang, Liangbin Xie, Chao Dong und Ying Shan
📌Hinweis: Da Real-ESRGAN als Modell/Bibliothek fungiert, das andere Tools einbetten, ist es aussagekräftiger zu prüfen, ob die darauf aufbauenden Tools (Upscayl, ComfyUI) gepflegt werden — sie sind es.
Was ist Real-ESRGAN?
Real-ESRGAN (github.com/xinntao/Real-ESRGAN) ist ein quelloffenes, Apache-2.0-lizenziertes KI-Super-Resolution-Modell, das ein niedrig aufgelöstes oder beschädigtes Bild als Eingabe nimmt und eine größere, schärfere Version ausgibt. Es wurde von Forschern des Tencent ARC Lab entwickelt und als „Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data" auf den ICCV Workshops 2021 veröffentlicht. Anders als einfache Interpolation (bikubisches oder Lanczos-Resizing) nutzt es ein trainiertes neuronales Netz, um plausible Details — Textur, Kanten und feine Strukturen — zu rekonstruieren, statt vorhandene Pixel nur zu strecken.
- Hochskalieren: vergrößert Bilder um das 2- oder 4-Fache und fügt KI-rekonstruierte Details hinzu, statt sie zu verwischen
- Restaurierung: entfernt JPEG-Kompressionsartefakte, Rauschen und Unschärfe aus real beschädigten Fotos, nicht nur aus sauberen, künstlich verkleinerten Testbildern
- Gesichtsverbesserung: eine optionale Integration mit GFPGAN restauriert und schärft Gesichter im hochskalierten Ergebnis gezielt
- Anime-Modus: ein separates Modell, das speziell auf Anime-/Illustrationskunst trainiert ist und die Überglättung vermeidet, die foto-trainierte Upscaler bei Strichzeichnungen verursachen
- Batch- und Videoverarbeitung: ein Begleitskript (inference_realesrgan_video.py) wendet dieselbe Hochskalierung Bild für Bild auf Videodateien an
Welche Modelle liefert Real-ESRGAN mit?
Real-ESRGAN wird mit mehreren vortrainierten Modell-Checkpoints ausgeliefert, jeweils auf eine andere Bildart abgestimmt, und alle werden beim ersten Ausführen des Tools automatisch heruntergeladen.
Modell | Am besten für | Skalierung |
|---|---|---|
| RealESRGAN_x4plus | Allgemeine Fotos und reale Bilder | 4x |
| RealESRGAN_x4plus_anime_6B | Anime- und Illustrationskunst | 4x |
| RealESRNet_x4plus | Glatteres Ergebnis mit weniger Schärfeartefakten | 4x |
| RealESRGAN_x2plus | Fotos, bei denen 4x mehr Vergrößerung als nötig wäre | 2x |
| realesr-general-x4v3 | Kleineres, schnelleres Allzweckmodell mit einstellbarer Entrauschstärke | 4x |
Die Option --face_enhance legt GFPGAN über jedes dieser Modelle, um gezielt Gesichtsdetails zu restaurieren — nur bei Bildern mit Gesichtern verwenden, da sie andere Bildbereiche gelegentlich überglätten kann.
Wie installiert und startet man Real-ESRGAN lokal?
Es gibt zwei unterstützte Wege, Real-ESRGAN auszuführen: das Python-Paket (für Entwickler mit Skript-Kontrolle) und die NCNN-Vulkan-Datei (für alle, die eine startklare Binärdatei ohne Python- oder CUDA-Setup wollen).
- 1github.com/xinntao/Real-ESRGAN klonen oder herunterladen, dann Abhängigkeiten mit pip install basicsr facexlib gfpgan und pip install -r requirements.txt installieren.
- 2python setup.py develop im geklonten Repository ausführen, um das Setup abzuschließen.
- 3Ein Bild hochskalieren mit python inference_realesrgan.py -n RealESRGAN_x4plus -i input.jpg -o results — die Modellgewichte werden beim ersten Lauf automatisch heruntergeladen.
- 4-n RealESRGAN_x4plus_anime_6B für Anime-Kunst ergänzen, oder --face_enhance, um zusätzlich GFPGAN-Gesichtsrestaurierung auf die Ausgabe anzuwenden.
- 5Bei einer GPU mit wenig VRAM --tile 400 (oder niedriger) ergänzen, um das Bild in kleineren Kacheln statt auf einmal zu verarbeiten — auf Kosten der Geschwindigkeit für geringeren Speicherverbrauch.
- 6Alternative ohne Python-Setup: das Release realesrgan-ncnn-vulkan für das eigene Betriebssystem von der GitHub-Releases-Seite herunterladen und direkt gegen Nvidia-, AMD- oder Intel-GPUs über Vulkan ausführen.
Option A: Python-Paket (Entwickler)
Dieser Weg bietet vollen Zugriff auf Kommandozeilenoptionen (Kachelgröße, Entrauschstärke, Gesichtsverbesserung, Ausgabeformat) und ist dasselbe Backend, das ComfyUI und AUTOMATIC1111 WebUI intern aufrufen.
Option B: NCNN-Vulkan-Datei (kein Python nötig)
Real-ESRGAN liefert auch eine vorkompilierte Binärdatei realesrgan-ncnn-vulkan für Windows, Linux und macOS. Sie nutzt die Vulkan-Grafik-API statt CUDA und läuft damit auf Nvidia-, AMD- und Intel-GPUs, ohne PyTorch, CUDA oder Python zu installieren — Release herunterladen, entpacken und per Kommandozeile ausführen oder ein Bild darauf ziehen.
Braucht Real-ESRGAN eine GPU?
Eine GPU (Nvidia, AMD oder Intel über Vulkan, oder Apple Silicon über das Python-Paket) macht es deutlich schneller, aber es läuft auch auf CPU — dabei dauert die Verarbeitung pro Bild erheblich länger, besonders bei hochauflösenden Eingaben.
Wie viel VRAM braucht Real-ESRGAN?
Der Bedarf skaliert mit Bildgröße und der Einstellung --tile: ein kleinerer --tile-Wert (z. B. 200-400) lässt es auf GPUs mit nur 2-4 GB VRAM laufen, indem das Bild in kleineren Abschnitten verarbeitet wird — auf Kosten einer etwas langsameren Gesamtverarbeitung.
Für wen eignet sich Real-ESRGAN?
Real-ESRGAN passt zu allen, die Bilder ohne Kosten pro Bild oder Abo vergrößern oder restaurieren müssen und die sich entweder mit einem Kommandozeilentool oder einer einfachen GUI-App darauf wohlfühlen.
Real-ESRGAN nutzen, wenn
- Sie Fotos, gescannte Bilder oder alte Dateien mit niedriger Auflösung kostenlos hochskalieren möchten, ohne Konto oder Abo
- Sie mit Anime- oder Illustrationskunst arbeiten und ein Modell brauchen, das speziell auf die Vermeidung von Überglättung bei Strichzeichnungen trainiert ist
- Sie bereits ComfyUI oder AUTOMATIC1111 WebUI nutzen und einen eingebauten Hochskalierungsschritt in einer bestehenden Generierungs-Pipeline möchten
- Sie eine GUI ohne Terminal wollen — installieren Sie stattdessen Upscayl, das Real-ESRGAN-Modelle hinter einer Drag-and-Drop-Oberfläche bündelt
Real-ESRGAN meiden, wenn
- Sie neue Bildinhalte aus einem Text-Prompt generieren müssen — das ist die Aufgabe eines Text-zu-Bild-Modells wie Stable Diffusion, nicht eines Upscalers
- Sie garantierte, arbeitsfreie Maximalqualität für professionelle Fotografie brauchen und bereit sind, dafür zu bezahlen — ein kostenpflichtiges Tool wie Topaz Gigapixel AI bietet mehr manuelle Feinabstimmung und dedizierten Support
- Ihre Ausgangsbilder kaum echte Details zum Rekonstruieren enthalten (extrem niedrig aufgelöst oder stark komprimiert) — kein Upscaler, ob kostenlos oder kostenpflichtig, kann Details erfinden, die nie erfasst wurden
Real-ESRGAN vs. Alternativen
Die nächsten Vergleiche zu Real-ESRGAN sind andere Upscaling-Tools — manche direkt auf Real-ESRGANs eigenen Modellen aufgebaut, manche mit einer völlig anderen Architektur.
Tool | Oberfläche | Lizenz | Am besten für |
|---|---|---|---|
| Real-ESRGAN | CLI / NCNN-Vulkan-Binärdatei | Apache 2.0 | Skriptbares lokales Upscaling, Basismodell für andere Tools |
| Upscayl | Desktop-GUI | AGPL 3.0 | Drag-and-Drop-Upscaling auf Basis von Real-ESRGAN-Modellen |
| waifu2x | CLI / Web / GUI-Ports | MIT | Älterer, auf Anime fokussierter Upscaler; leichter als Real-ESRGAN |
| ComfyUI (Upscale-Nodes) | Node-basierte GUI | GPL 3.0 | Upscaling als ein Schritt innerhalb eines größeren Bildgenerierungs-Workflows |
| Topaz Gigapixel AI | Desktop-App | Proprietär (kostenpflichtig) | Professionelle Fotografie mit manueller Feinabstimmung und bezahltem Support |
Häufige Fehler bei der Nutzung von Real-ESRGAN
Diese Fehler entstehen dadurch, dass Real-ESRGAN wie ein generatives Tool behandelt wird, oder durch die Nutzung der falschen Modellvariante für das Ausgangsbild.
Fehler 1: Das Fotomodell auf Anime- oder Illustrationskunst anwenden
Das Standardmodell RealESRGAN_x4plus ist auf reale Fotos trainiert und neigt dazu, flächige Strichzeichnungen überzuglätten. Für Anime-, Manga- oder Illustrationsvorlagen zu RealESRGAN_x4plus_anime_6B mit -n RealESRGAN_x4plus_anime_6B wechseln.
Fehler 2: Erwarten, dass ein Upscaler ein unscharfes oder verwackeltes Foto repariert
Real-ESRGAN restauriert plausible Details, die in der Eingabe angelegt sind, kann aber keine Details wiederherstellen, die nie erfasst wurden. Stark verschwommene oder extrem niedrig aufgelöste Ausgangsbilder werden mit weniger sichtbaren Verbesserungen hochskaliert als ein leicht komprimiertes, scharfes Original.
Fehler 3: --face_enhance auf Bildern ohne Gesichter ausführen
Die Option --face_enhance wendet GFPGAN gezielt auf erkannte Gesichter an. Bei Bildern ohne Gesichter erhöht sie nur die Verarbeitungszeit ohne Nutzen; bei kleinen oder teilweise sichtbaren Gesichtern kann sie diese gelegentlich überglätten. Nur bei Porträts und Gruppenfotos einsetzen.
Häufig gestellte Fragen
Wird Real-ESRGAN noch gepflegt?
Ja. Das quelloffene Repository bleibt auf GitHub aktiv, und Real-ESRGANs Modelle sind das Standard- oder Haupt-Upscale-Backend in mehreren aktiv gepflegten Tools, darunter ComfyUI, AUTOMATIC1111 WebUI und Upscayl.
Ist Real-ESRGAN wirklich kostenlos?
Ja. Es wird unter der Apache-2.0-Lizenz veröffentlicht, die für private und kommerzielle Nutzung kostenlos ist — ohne Kosten pro Bild, ohne Abo und ohne Kontopflicht.
Unter welcher Lizenz wird Real-ESRGAN veröffentlicht?
Apache 2.0, eine freizügige Open-Source-Lizenz. Sie können es nutzen, verändern und weiterverbreiten, auch in kommerziellen Produkten, solange Sie Lizenz- und Copyright-Hinweis erhalten.
Braucht Real-ESRGAN eine GPU?
Eine GPU macht es deutlich schneller, aber es läuft auch auf CPU. Es unterstützt Nvidia- und AMD-GPUs über CUDA (Python-Paket) oder Vulkan (die NCNN-Datei) sowie Apple Silicon über das Python-Paket.
Kann Real-ESRGAN Anime- oder Illustrationsbilder hochskalieren?
Ja, mit dem Modell RealESRGAN_x4plus_anime_6B, das speziell auf Anime- und Illustrationskunst trainiert ist, um die Überglättung zu vermeiden, die foto-trainierte Upscaler bei Strichzeichnungen verursachen.
Kann Real-ESRGAN neue Bilder aus einem Text-Prompt erzeugen?
Nein. Real-ESRGAN ist ein Super-Resolution-Upscaler — es vergrößert und restauriert Details in einem bestehenden Bild. Text-zu-Bild-Generierung ist eine separate Modellkategorie, etwa Stable Diffusion.
Was ist der Unterschied zwischen Real-ESRGAN und Upscayl?
Real-ESRGAN ist das zugrunde liegende Open-Source-Modell und Kommandozeilentool. Upscayl ist eine separate Open-Source-Desktop-App (AGPL 3.0), die Real-ESRGANs Modelle hinter einer Drag-and-Drop-Oberfläche bündelt, sodass man nie ein Terminal berührt.
Kann Real-ESRGAN auch Videos statt nur Bilder hochskalieren?
Ja, über das Begleitskript inference_realesrgan_video.py, das dasselbe Upscaling-Modell Bild für Bild auf eine Videodatei anwendet.
Wie viel VRAM braucht Real-ESRGAN?
Das hängt von der Bildauflösung und der Einstellung --tile ab. Ein niedrigerer --tile-Wert (200-400) verarbeitet das Bild in kleineren Abschnitten und ermöglicht so den Betrieb auf GPUs mit nur 2-4 GB VRAM, auf Kosten einer etwas langsameren Gesamtverarbeitung.