Real-ESRGAN est-il encore maintenu ?
Oui. Real-ESRGAN, publié par des chercheurs du Tencent ARC Lab, reste un dépôt open source actif sur GitHub — il n'est pas archivé, et fonctionne comme le moteur d'agrandissement de facto standard sur lequel s'appuient d'autres outils activement développés, plutôt que comme une application autonome nécessitant ses propres publications fréquentes.
Le signal le plus clair de sa pertinence continue est indirect : les nœuds d'agrandissement intégrés de ComfyUI, l'onglet Extras d'AUTOMATIC1111 WebUI, et l'application open source dédiée Upscayl fournissent tous par défaut les poids de modèle Real-ESRGAN en 2026. Un outil aussi profondément intégré comme infrastructure dans plusieurs projets activement maintenus ne disparaît pas comme le ferait une application autonome sans dépendants en aval.
Statut du dépôt GitHub
- État:
- Actif, non archivé
- Signification:
- Le code source, le suivi des tickets et les pull requests restent ouverts sur github.com/xinntao/Real-ESRGAN
Adoption en aval
- État:
- Intégré par défaut
- Signification:
- ComfyUI, AUTOMATIC1111 WebUI et Upscayl fournissent tous les modèles Real-ESRGAN comme upscaler par défaut ou principal
Article original
- État:
- Publié en 2021, ICCV Workshops
- Signification:
- « Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data » par Xintao Wang, Liangbin Xie, Chao Dong et Ying Shan
📌Remarque: Comme Real-ESRGAN fonctionne comme un modèle/bibliothèque que d'autres outils intègrent, il est plus utile de vérifier si les outils construits dessus (Upscayl, ComfyUI) sont maintenus — c'est le cas.
Qu'est-ce que Real-ESRGAN ?
Real-ESRGAN (github.com/xinntao/Real-ESRGAN) est un modèle de super-résolution IA open source, sous licence Apache 2.0, qui prend une image basse résolution ou dégradée en entrée et produit une version plus grande et plus nette. Il a été développé par des chercheurs du Tencent ARC Lab et publié sous le titre « Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data » lors des ICCV Workshops 2021. Contrairement à une simple interpolation (redimensionnement bicubique ou Lanczos), il utilise un réseau de neurones entraîné pour reconstruire des détails plausibles — texture, contours et structure fine — plutôt que de simplement étirer les pixels existants.
- Agrandissement : agrandit les images de 2x ou 4x en ajoutant des détails reconstruits par IA plutôt qu'en floutant
- Restauration : supprime les artefacts de compression JPEG, le bruit et le flou des photos réellement dégradées, pas seulement des images de test propres et sous-échantillonnées
- Amélioration des visages : une intégration optionnelle avec GFPGAN restaure et affine spécifiquement les visages dans le résultat agrandi
- Mode anime : un modèle séparé spécifiquement entraîné sur l'art anime/illustration, évitant le lissage excessif que les upscalers entraînés sur photo provoquent sur le trait
- Traitement par lot et vidéo : un script complémentaire (inference_realesrgan_video.py) applique le même agrandissement image par image à des fichiers vidéo
Quels modèles Real-ESRGAN propose-t-il ?
Real-ESRGAN est distribué avec plusieurs checkpoints de modèles pré-entraînés, chacun adapté à un type d'image différent, tous téléchargés automatiquement lors de la première exécution.
Modèle | Idéal pour | Échelle |
|---|---|---|
| RealESRGAN_x4plus | Photos générales et images réelles | 4x |
| RealESRGAN_x4plus_anime_6B | Art anime et illustration | 4x |
| RealESRNet_x4plus | Résultat plus lisse avec moins d'artefacts de netteté | 4x |
| RealESRGAN_x2plus | Photos où 4x agrandit plus que nécessaire | 2x |
| realesr-general-x4v3 | Modèle générique plus petit et plus rapide avec force de débruitage ajustable | 4x |
L'option --face_enhance superpose GFPGAN à n'importe lequel de ces modèles spécifiquement pour restaurer les détails du visage — à utiliser uniquement sur des images contenant des visages, car elle peut occasionnellement trop lisser les autres zones.
Comment installer et exécuter Real-ESRGAN localement ?
Il existe deux façons prises en charge d'exécuter Real-ESRGAN : le paquet Python (pour les développeurs voulant un contrôle par script) et l'exécutable NCNN-Vulkan (pour ceux qui veulent un binaire prêt à l'emploi sans configuration Python ni CUDA).
- 1Cloner ou télécharger github.com/xinntao/Real-ESRGAN, puis installer les dépendances avec pip install basicsr facexlib gfpgan et pip install -r requirements.txt.
- 2Exécuter python setup.py develop dans le dépôt cloné pour terminer la configuration.
- 3Agrandir une image avec python inference_realesrgan.py -n RealESRGAN_x4plus -i input.jpg -o results — les poids du modèle se téléchargent automatiquement au premier lancement.
- 4Ajouter -n RealESRGAN_x4plus_anime_6B pour l'art anime, ou --face_enhance pour appliquer aussi la restauration de visage GFPGAN sur la sortie.
- 5Sur un GPU à faible VRAM, ajouter --tile 400 (ou moins) pour traiter l'image en tuiles plus petites au lieu d'un seul bloc, échangeant de la vitesse contre une consommation mémoire réduite.
- 6Alternative sans configuration Python : télécharger la release realesrgan-ncnn-vulkan pour votre OS depuis la page GitHub Releases et l'exécuter directement sur GPU Nvidia, AMD ou Intel via Vulkan.
Option A : paquet Python (développeurs)
Cette voie donne un accès complet aux options en ligne de commande (taille de tuile, force de débruitage, amélioration des visages, format de sortie) et constitue le même moteur que ComfyUI et AUTOMATIC1111 WebUI appellent en interne.
Option B : exécutable NCNN-Vulkan (sans Python)
Real-ESRGAN fournit aussi un binaire précompilé realesrgan-ncnn-vulkan pour Windows, Linux et macOS. Il utilise l'API graphique Vulkan au lieu de CUDA, fonctionnant ainsi sur GPU Nvidia, AMD et Intel sans installer PyTorch, CUDA ou Python du tout — télécharger la release, la décompresser et l'exécuter en ligne de commande ou y glisser une image.
Real-ESRGAN a-t-il besoin d'un GPU ?
Un GPU (Nvidia, AMD ou Intel via Vulkan, ou Apple Silicon via le paquet Python) le rend nettement plus rapide, mais il fonctionne aussi sur CPU — le traitement par image prendra alors beaucoup plus de temps, surtout sur des entrées haute résolution.
De combien de VRAM Real-ESRGAN a-t-il besoin ?
Les besoins évoluent avec la taille de l'image et le paramètre --tile : une valeur --tile plus petite (par exemple 200-400) permet de fonctionner sur des GPU avec seulement 2-4 Go de VRAM en traitant l'image en morceaux plus petits, au prix d'un traitement total légèrement plus lent.
Pour qui est fait Real-ESRGAN ?
Real-ESRGAN convient à quiconque a besoin d'agrandir ou de restaurer des images sans payer de frais par image ou d'abonnement, et qui est à l'aise avec un outil en ligne de commande ou une application GUI simple construite dessus.
Utilisez Real-ESRGAN si
- Vous voulez agrandir des photos, des images numérisées ou d'anciens fichiers basse résolution gratuitement, sans compte ni abonnement
- Vous travaillez avec de l'art anime ou de l'illustration et avez besoin d'un modèle spécifiquement entraîné pour éviter le lissage excessif du trait
- Vous utilisez déjà ComfyUI ou AUTOMATIC1111 WebUI et voulez une étape d'agrandissement intégrée dans un pipeline de génération existant
- Vous voulez une interface graphique sans toucher un terminal — installez plutôt Upscayl, qui regroupe les modèles Real-ESRGAN derrière une interface glisser-déposer
Évitez Real-ESRGAN si
- Vous devez générer du nouveau contenu d'image à partir d'un prompt texte — c'est le rôle d'un modèle texte-vers-image comme Stable Diffusion, pas d'un upscaler
- Vous avez besoin d'une qualité maximale garantie et sans intervention pour de la photographie professionnelle et êtes prêt à payer pour cela — un outil payant comme Topaz Gigapixel AI offre plus de réglages manuels et un support dédié
- Vos images sources contiennent presque aucun détail réel à reconstruire (extrêmement basse résolution ou fortement compressées) — aucun upscaler, gratuit ou payant, ne peut inventer des détails jamais capturés
Real-ESRGAN vs. alternatives
Les comparaisons les plus proches de Real-ESRGAN sont d'autres outils d'agrandissement — certains construits directement sur les modèles de Real-ESRGAN, d'autres avec une architecture entièrement différente.
Outil | Interface | Licence | Idéal pour |
|---|---|---|---|
| Real-ESRGAN | CLI / binaire NCNN-Vulkan | Apache 2.0 | Agrandissement local scriptable, modèle de base pour d'autres outils |
| Upscayl | Interface graphique bureau | AGPL 3.0 | Agrandissement glisser-déposer basé sur les modèles Real-ESRGAN |
| waifu2x | CLI / web / portages GUI | MIT | Upscaler plus ancien, axé anime ; plus léger que Real-ESRGAN |
| ComfyUI (nœuds d'agrandissement) | Interface à nœuds | GPL 3.0 | Agrandissement comme une étape dans un workflow de génération d'images plus large |
| Topaz Gigapixel AI | Application bureau | Propriétaire (payant) | Photographie professionnelle avec réglages manuels et support payant |
Erreurs fréquentes avec Real-ESRGAN
Ces erreurs viennent du fait de traiter Real-ESRGAN comme un outil génératif, ou d'utiliser la mauvaise variante de modèle pour l'image source.
Erreur 1 : utiliser le modèle photo sur de l'art anime ou illustration
Le modèle par défaut RealESRGAN_x4plus est entraîné sur des photos réelles et tend à trop lisser les traits en aplats de couleur. Passer à RealESRGAN_x4plus_anime_6B avec -n RealESRGAN_x4plus_anime_6B pour les images sources anime, manga ou illustration.
Erreur 2 : attendre d'un upscaler qu'il corrige une photo floue ou avec du flou de mouvement
Real-ESRGAN restaure des détails plausibles implicites dans l'entrée, mais ne peut pas récupérer des détails jamais capturés. Les images sources fortement floues ou extrêmement basse résolution s'agrandiront avec moins d'améliorations visibles qu'un original légèrement compressé et net.
Erreur 3 : exécuter --face_enhance sur des images sans visage
L'option --face_enhance applique GFPGAN spécifiquement aux visages détectés. Sur des images sans visage, elle ajoute du temps de traitement sans bénéfice ; sur des images avec des visages petits ou partiels, elle peut occasionnellement les trop lisser. À réserver aux portraits et photos de groupe.
Questions fréquentes
Real-ESRGAN est-il encore maintenu ?
Oui. Le dépôt open source reste actif sur GitHub, et les modèles de Real-ESRGAN constituent le moteur d'agrandissement par défaut ou principal intégré dans plusieurs outils activement maintenus, dont ComfyUI, AUTOMATIC1111 WebUI et Upscayl.
Real-ESRGAN est-il vraiment gratuit ?
Oui. Il est publié sous licence Apache 2.0, gratuite pour un usage personnel comme commercial, sans frais par image, sans abonnement et sans obligation de compte.
Sous quelle licence Real-ESRGAN est-il publié ?
Apache 2.0, une licence open source permissive. Vous pouvez l'utiliser, le modifier et le redistribuer, y compris dans des produits commerciaux, tant que vous conservez la licence et l'avis de copyright.
Real-ESRGAN a-t-il besoin d'un GPU ?
Un GPU le rend beaucoup plus rapide, mais il fonctionne aussi sur CPU. Il prend en charge les GPU Nvidia et AMD via CUDA (paquet Python) ou Vulkan (l'exécutable NCNN), ainsi qu'Apple Silicon via le paquet Python.
Real-ESRGAN peut-il agrandir des images anime ou illustration ?
Oui, avec le modèle RealESRGAN_x4plus_anime_6B, spécifiquement entraîné sur l'art anime et illustration pour éviter le lissage excessif que les upscalers entraînés sur photo provoquent sur le trait.
Real-ESRGAN peut-il générer de nouvelles images à partir d'un prompt texte ?
Non. Real-ESRGAN est un upscaler de super-résolution — il agrandit et restaure des détails dans une image existante. La génération texte-vers-image est une catégorie de modèle distincte, comme Stable Diffusion.
Quelle est la différence entre Real-ESRGAN et Upscayl ?
Real-ESRGAN est le modèle open source sous-jacent et l'outil en ligne de commande. Upscayl est une application bureau open source distincte (AGPL 3.0) qui regroupe les modèles de Real-ESRGAN derrière une interface graphique glisser-déposer, sans jamais toucher un terminal.
Real-ESRGAN peut-il agrandir des vidéos, pas seulement des images ?
Oui, via le script complémentaire inference_realesrgan_video.py, qui applique le même modèle d'agrandissement image par image à un fichier vidéo.
De combien de VRAM Real-ESRGAN a-t-il besoin ?
Cela dépend de la résolution de l'image et du paramètre --tile. Réduire --tile à 200-400 traite l'image en morceaux plus petits, permettant un fonctionnement sur des GPU avec seulement 2-4 Go de VRAM au prix d'un traitement total un peu plus lent.