När AI räddar filmen – och hittar på ett nytt ansikte
En repig familjefilm kan bli klarare än någon minns den. Men skärpan är inte alltid ett återfunnet minne.
AI kan dämpa brus, förstora små bildrutor och få hackiga rörelser att flyta. Samma teknik kan också uppfinna ögon, sudda ut smycken och lägga till ögonblick som aldrig fotograferades. Vi följer en äldre film genom restaureringens digitala verkstad – och undersöker hur man förbättrar bilden utan att skriva om det förflutna.
Av Maja StrömSkribent · Kreativitet och kulturUppläst av tidningens berättarröst
Ett ansikte vänder sig mot kameran. Under några bildrutor syns ett leende, sedan bränner solljuset ut kinden. Bilden darrar. Ett lodrätt streck löper genom trädgården, och i skuggorna rör sig något som kan vara filmkorn, videobrus eller strukturen i en mörk kofta.
För den som känner personen är klippet ovärderligt. För ett bildbehandlingsprogram är det ett problem med flera möjliga lösningar.
Med dagens AI-verktyg går det att göra ansiktet tydligare, stabilisera utsnittet och skapa mjukare rörelser. Men när den förbättrade filmen visar en skarp ögonfrans uppstår en obekväm fråga: fanns den informationen i inspelningen, eller har programmet skapat en övertygande ersättning?
Här följer vi ett illustrativt arbetsflöde för en äldre familjefilm, från fysisk kopia till visningsfil. Det är inte redovisningen av ett genomfört restaureringsuppdrag. Exemplet samlar problem som uppstår vid verklig filmdigitalisering och AI-bearbetning. Längs vägen möter det dokumenterade restaureringsprojekt och forskning om vad bildmodeller faktiskt kan åstadkomma.
Skillnaden mellan återvinning och uppfinning är nämligen inte en detalj. Den avgör vad vi vågar kalla ett minne.
1. Den bästa AI-restaureringen börjar innan AI:n slås på
Vårt exempel är en kort 8-millimetersfilm från en familjesammankomst. Någon går ut ur ett hus, vinkar och sätter sig vid ett bord. I familjens dator finns redan en liten videofil, gjord från en äldre överföring. Det är frestande att börja där: dra filen till ett program, välj ”förbättra ansikten”, exportera i 4K.
Men det första beslutet är arkivmässigt, inte algoritmiskt. Finns själva filmrullen kvar?
En gammal videokopia kan innehålla flera generationers förluster. Film har fotograferats av, överförts till video, kanske sparats på band och senare komprimerats. Varje steg kan ha lagt till brus, beskärning, färgfel och förlorade detaljer. En ny, välgjord skanning av filmen kan därför ge mer verklig information än en dramatisk AI-behandling av den gamla filen.
Upplösningen på leveransen är bara en del av saken. Fokus, optik, exponering, hur filmen hålls plan och hur skannern hanterar ljusa och mörka partier spelar också roll. En stor bildfil är ingen garanti för att filmkornet eller motivets detaljer verkligen har fångats.
Skicket måste bedömas först. Krympt, spröd eller kraftigt skadad film bör inte matas genom en gammal projektor för att se om den fungerar. Vid misstänkt nedbrytning är ett filmlabb eller en arkivkunnig specialist en bättre första kontakt. För oidentifierat äldre filmmaterial kan även materialbasen behöva fastställas.
I vårt arbetsflöde blir resultatet en ny digitalisering, med en bevarad, så obehandlad version som möjligt. Den ersätts aldrig av den putsade filmen. Originalrullen sparas också: framtida skannrar och metoder kan ställa andra frågor till materialet än dagens verktyg.
Här finns en användbar skiljelinje mellan två mål. En bevarandemaster ska bära så mycket av underlaget som praktiskt möjligt. En visningsversion ska vara lätt att titta på. De kan komma från samma skanning, men de behöver inte vara samma fil.
FIAF, den internationella federationen för filmarkiv, betonar i sin etiska kod respekt för materialets integritet och ansvar för dess långsiktiga bevarande. För en familj behöver det inte betyda ett professionellt arkivsystem. Det betyder framför allt: skriv inte över det enda underlaget när du försöker göra det vackrare.
2. Bruset är inte alltid fienden
När den nya skanningen öppnas ser den kanske fortfarande smutsig ut. Bilden vandrar lite i sidled. Det finns damm, repor och ett pulserande kornmönster. Personen vid bordet är tydligare, men långt ifrån den blanka skärpa vi förknippar med en modern mobilkamera.
Nu måste problemen skiljas åt. Filmkorn hör till det fotografiska materialet. Damm och repor kan ha tillkommit vid hantering. Elektroniskt brus kan komma från skanning eller tidigare videosteg. Komprimeringsblock är ytterligare en sorts skada. Ett enda reglage som heter ”brusreducering” kan behandla flera av dessa fenomen samtidigt, med mycket olika resultat.
Klassisk brusreducering jämför exempelvis närliggande bildpunkter eller information över tid. En inlärd modell har dessutom tränats på exempel och lärt sig vilka bildmönster som brukar motsvara motiv respektive störningar. I praktiken används ofta blandningar av etablerade bildbehandlingsmetoder och neurala nätverk.
Problemet är att korn, hud, lövverk och tyg alla innehåller små variationer. När modellen jämnar ut oönskat brus kan den samtidigt jämna ut verklig struktur. Koftans stickning försvinner. Ansiktet blir vaxartat. Gräset ser målat ut.
Flera bildrutor kan hjälpa. Om en detalj återkommer på samma plats i motivet medan bruset varierar, går det ibland att uppskatta motivet bättre genom att kombinera information över tid. Men först måste programmet förstå hur bilden rör sig. En hand som viftar framför ansiktet eller ett snabbt kameraryck kan få jämförelsen att misslyckas. Då uppstår släp, dubbelkonturer eller detaljer som verkar fastna i bakgrunden.
I exempelklippet börjar arbetet därför försiktigt. Eventuell sammanflätad video från en äldre överföring behöver hanteras korrekt innan andra steg byggs ovanpå den. Stabilisering och andra grundkorrigeringar provas separat. Därefter testas dammborttagning och mild brusreducering på ett kort avsnitt. Ordningen kan behöva ändras beroende på materialet och verktygen; det finns ingen universell kedja.
Vi jämför inte bara stillbilder. Filmen måste spelas i rörelse. En ruta kan se utsökt ut medan en serie rutor avslöjar att huden kokar eller att ögonbrynen byter form.
Målet är inte en helt ren yta. Det är en bild där störningarna inte längre står mellan betraktaren och motivet. Lite kvarvarande korn kan vara ett bättre resultat än ett ansikte som har slipats ned till en digital mask.
3. Skärpan som modellen tror borde finnas
Nu kommer förvandlingen som brukar dominera före- och efterfilmerna: uppskalningen. Den lilla bilden fyller skärmen, och konturerna blir påfallande tydliga.
Vanlig uppskalning beräknar nya bildpunkter från dem som redan finns. AI-baserad superupplösning använder också inlärda föreställningar om hur högupplösta bilder brukar se ut. Modellen får alltså inte bara frågan ”vad ligger mellan de här punkterna?” utan, förenklat, ”vilken detaljrik bild skulle kunna ha gett upphov till detta suddiga underlag?”
Det finns ofta många möjliga svar.
Forskningsarbetet ESRGAN från 2018 är en viktig hållpunkt. Det använder bland annat en adversariell träningsprincip: en generator lär sig skapa bilder medan en diskriminator lär sig skilja genererade resultat från verkliga exempel. Träningen premierar därmed inte enbart små numeriska skillnader mot en referens, utan också ett mer trovärdigt visuellt uttryck.
Real-ESRGAN, publicerat 2021, utvecklade metoder för praktisk bildrestaurering genom att träna med mer sammansatta, syntetiskt framställda försämringar. Tanken är att komma närmare den blandning av oskärpa, brus och komprimering som verkliga bilder kan innehålla. Det betyder inte att modellen känner till hur just vår familjefilm skadades, eller vad som faktiskt fanns framför kameran.
Här ligger restaureringens centrala fälla: ett fotografiskt övertygande resultat behöver inte vara en historiskt korrekt rekonstruktion.
I forskningen beskrivs en närliggande avvägning i arbetet The Perception-Distortion Tradeoff från 2018. Under de definitioner och förutsättningar som studeras finns en fundamental konflikt mellan perceptuell realism och låg förvrängning. Det är ingen dom över varje enskilt verktyg, men en förklaring till varför ”ser bättre ut” och ”ligger närmare originalet” inte är samma mått.
I vår film syns det vid en brosch på koftan. Underlaget visar en liten ljus fläck. Efter aggressiv uppskalning ser den ut att ha en kant och ett mörkt centrum. Kanske stämmer det. Kanske har modellen gjort det som modeller är bra på: förvandlat en osäker fläck till ett rimligt föremål.
En detalj kan vara visuellt övertygande utan att vara historiskt belagd.
Detta är artikelns arbetsregel, inte ett citat från en restauratör. Den gäller särskilt text, smycken, insignier och små ansikten. Sådant vi människor gärna tolkar som exakt information är ofta just det som lågupplöst material inte kan styrka.
En export i 4K betyder därför att filen har en viss bildstorlek. Det är inte ett intyg på att lika mycket ursprunglig detaljinformation har återvunnits.
4. När ett ansikte får en ny identitet
Ansikten är ett specialfall eftersom vi är extremt uppmärksamma på dem. Ett ansiktsinriktat verktyg kan ge en närmast chockerande förbättring: där det nyss fanns två mörka fläckar och en suddig mun finns plötsligt ögonlock, tänder och hudstruktur.
Men ansiktsmodeller arbetar med inlärda mönster för hur ansikten brukar se ut. När underlaget är svagt får dessa mönster stort inflytande. Resultatet kan se mänskligare ut men likna den verkliga personen sämre.
GFPGAN, beskrivet i forskningsartikeln Towards Real-World Blind Face Restoration with Generative Facial Prior från 2021, är ett konkret exempel på hur en generativ ansiktsprior används för restaurering. En sådan prior kan förstås som en inlärd modell av möjliga ansikten. Den hjälper systemet att skapa struktur där indata är bristfälliga. Den är inte ett minne av personen på filmen.
För familjematerial är skillnaden avgörande. En liten asymmetri i munnen, avståndet mellan ögonen eller formen på framtänderna kan vara det som gör ett ansikte igenkännligt. Om systemet normaliserar dessa drag kan den ”restaurerade” släktingen bli en närliggande men främmande person.
Det finns också en tidsdimension. Ett verktyg som behandlar varje ruta separat kan tolka samma ansikte lite olika från ögonblick till ögonblick. Tänder dyker upp och försvinner. Rynkor flyttar sig. Ett leende blir bredare i en ruta än i nästa. Videomodeller kan försöka hålla detaljer stabila över tid, men stabilitet är inte heller bevis för riktighet: även en felaktig detalj kan hållas konsekvent.
I exempelklippet är leendet filmens känslomässiga centrum. Just därför bör ansiktsförbättringen inte automatiskt dras till maximum. En varsam version utan särskild ansiktsrekonstruktion kan vara mer värdefull än den mest imponerande demonstrationen.
Andra bilder av personen kan användas som jämförelse. Ser ansiktsformen rimlig ut? Har en karakteristisk snedhet försvunnit? Men jämförelsematerial är inte ett facit för varje ruta: ålder, vinkel, ljus och uttryck varierar. Om ett verktyg aktivt använder andra porträtt för att skapa detaljer handlar det om ytterligare rekonstruktion, som bör dokumenteras.
Frågan är alltså inte om AI får hjälpa till med ansikten. Frågan är vilken sorts hjälp vi accepterar, och om vi berättar vad som har gjorts. För en minnesfilm kan en mjuk men trovärdig bild bära mer sanning än en knivskarp främling.
5. Mellanbilden: ett ögonblick som aldrig fotograferades
Nästa lockelse är rörelsen. Äldre film kan upplevas som ryckig, och nätets AI-versioner presenteras ofta med högre bildfrekvens. Plötsligt glider tåget fram och människorna rör sig med den jämnhet vi förknippar med modern video.
Men två problem måste hållas isär: fel uppspelningshastighet och få registrerade rörelseögonblick.
Äldre filmer spelades inte alltid in med samma bildfrekvens som senare standarder. Om material visas för fort går människor för snabbt, oavsett hur många mellanbilder som skapas. Först måste därför en rimlig uppspelningshastighet fastställas utifrån tillgängliga uppgifter och materialets egenskaper. Den kan vara osäker, särskilt för tidigt eller amatörinspelat material.
Bildinterpolering är ett annat ingrepp. Systemet uppskattar vad som kan ha funnits mellan två registrerade rutor. Ofta används rörelseinformation, exempelvis optiskt flöde: uppskattningar av hur bildpunkter eller bildområden förflyttar sig. DAIN, Depth-Aware Video Frame Interpolation från 2019, är ett dokumenterat exempel där uppskattat djup används för att bättre hantera situationer när objekt skymmer varandra.
Tänk på handen i vår familjefilm. I en ruta ligger den framför bröstet, i nästa framför kinden. För att skapa en mellanbild måste modellen uppskatta handens form och läge och avgöra vilka delar av ansiktet som ska synas. Information som varit dold kan behöva rekonstrueras från andra rutor eller fyllas i.
Det går ofta bra vid enkla rörelser. Det kan gå illa vid korsande armar, snabba bollar, vatten, rök, rörelseoskärpa eller klipp mellan scener. Fingrar smälter ihop. En kant delar sig. En mellanbild får ett ansikte som ingen kamera fångade.
Förändringen är dessutom estetisk. Högre bildfrekvens kan ge filmen en annan känsla av närvaro. Det behöver inte vara dåligt, men det är inte neutralt.
Peter Jacksons They Shall Not Grow Old från 2018 visar kraften i omfattande bearbetning av historisk film. Projektet använde första världskrigsmaterial ur Imperial War Museums samlingar och kombinerade bland annat restaurering, hastighetsbearbetning, färgläggning och ljudarbete. Det bör inte förenklas till ett exempel på dagens generativa AI. Däremot gör det frågan synlig: när ett historiskt material blir omedelbart och levande, hur mycket av närvaron kommer från källan och hur mycket från den moderna gestaltningen?
För familjefilmen är ett rimligt förstaval att behålla den registrerade rörelsens karaktär. En extra, interpolerad visningsversion kan vara ett medvetet alternativ – men inte den enda version som sparas.
6. Restaurering behöver en innehållsförteckning
Vi har nu två filmer framför oss. Den ena är varsamt stabiliserad, lätt rengjord och försiktigt färgkorrigerad. Den andra är betydligt skarpare, har fler bildrutor och ett tydligare ansikte.
Vilken är bäst?
Det går inte att svara utan att veta vad den ska användas till. För en familjevisning kan ett jämnare och mer lättläst klipp vara välkommet. För någon som försöker identifiera ett smycke eller läsa en skylt kan samma behandling vara direkt vilseledande.
Därför behövs mer än en etikett med ordet ”restaurerad”. Ett användbart sätt att beskriva arbetet är att skilja mellan tre sorters ingrepp:
- Bevarande och överföring: skanning, korrekt filhantering och dokumentation av källan.
- Korrigering och rengöring: exempelvis stabilisering, färgbalans och borttagning av skador, med notering om metod och omfattning.
- Generativ rekonstruktion: exempelvis ansiktsåterskapande, syntetiska detaljer, färgläggning utan säker färgreferens och nya mellanbilder.
Gränserna är inte vattentäta. Även borttagning av en repa kan kräva att bildinnehåll fylls i. Stabilisering kan beskära sådant som faktiskt fanns vid kanten. En traditionell metod kan vara mer ingripande än en försiktigt använd AI-modell. Uppdelningen handlar därför om vad som förändrats, inte om att sortera verktyg i goda och dåliga.
Ett särskilt misstag är att likställa automatiskt trovärdig färg med återfunnen färg. En modell kan göra en uniform eller klänning rimligt färgad utan att veta dess verkliga nyans. Skriftliga uppgifter, föremål och samtida färgbilder kan ge stöd, men svartvit film innehåller inte ensam ett entydigt färgfacit.
Samma princip gäller äldre spel, där AI-uppskalning kan försköna texturer och mellansekvenser. En algoritm kan tolka en suddig ansiktsyta som något anatomiskt detaljerat, fast ytan ursprungligen var en stiliserad del av spelets bildspråk. Där tillkommer dessutom frågor om exempelvis bildskärm, pixelgrafik och originalets konstnärliga avsikt. Film och spel är olika medier, men båda riskerar att få sin historiska egenart ersatt av nutida bildsmak.
I en enkel textfil intill familjefilmen kan det därför stå: källa, skanningsdatum, program och version, använda inställningar, ändrad bildfrekvens, beskärning och eventuell generativ bearbetning. För en delad visningskopia räcker ofta en kort förklarande skylt. Det viktiga är att informationen följer med när filmen lämnar den som bearbetade den.
7. Så förbättrar du familjefilmen utan att skriva om den
För den som inte har ett filmarkivs resurser behöver arbetet vara hanterligt. Den säkraste vägen är inte att hitta det mest avancerade programmet, utan att göra små ingrepp som går att jämföra och ångra.
Börja med bästa tillgängliga källa. Undersök om originalfilm eller ett bättre band finns kvar. Be ett digitaliseringsföretag förklara hur materialet överförs och vilka automatiska förbättringar som görs. Efterfråga en så obehandlad version som möjligt, inte bara en färdig visningsfilm.
Spara originalet separat. Ha flera kopior, på skilda lagringsenheter och gärna på olika platser. En enda extern disk är inte ett långsiktigt skydd. Undvik upprepade omkodningar med förlustkomprimering under arbetet.
Välj ett kort prov med svåra motiv. Ta med ett ansikte, något i rörelse, mörka partier och gärna text eller fint mönster. Testa först på detta, inte på hela familjearkivet. Då upptäcker du snabbt om ett verktyg gör hud plastig eller förstör händer.
Ändra en sak i taget. Spara jämförbara versioner. Om brusreducering, uppskalning, ansiktsförbättring och interpolering slås på samtidigt är det svårt att veta vilket steg som skapade felet. Förinställningar är användbara startpunkter, inte kvalitetsbevis.
Jämför rättvist. Visa före och efter i samma storlek och med samma uppspelningshastighet. Titta både i normal visning och förstorat. Se hela rörelsen, inte bara en utvald ruta. En snygg förhandsvisning kan dölja instabilitet som märks först i den exporterade filmen.
Var särskilt skeptisk till ny information. Kontrollera ansikten, tänder, ringar, skyltar och mönster. Om du plötsligt kan läsa något som var oläsligt tidigare, behandla texten som en hypotes tills den kan bekräftas i underlaget eller av en oberoende källa.
Tänk på integriteten. Familjefilm kan visa barn, privata hem och känsliga situationer. Innan material laddas upp till en molntjänst: kontrollera lagring, radering, eventuell träningsanvändning och möjligheten till lokal bearbetning. Villkoren varierar mellan tjänster och kan förändras.
Leverera två versioner. Spara en varsam version nära källan och, om du vill, en mer bearbetad version för visning. Märk den senare tydligt. Behåll dokumentationen även om själva förbättringen känns självklar i dag.
Till sist återvänder vi till leendet i trädgården. Det får gärna bli lättare att se. Damm kan tas bort, bilden lugnas och en dålig överföring ersättas med en bättre. Det är verkliga kulturella vinster: material som annars hade förblivit osett kan åter bli en del av familjens berättelse.
Men framgången mäts inte i hur många porer programmet lyckas visa. Den mäts i om människan i bilden blir mer tillgänglig utan att förvandlas till någon annan.
Ibland är den ärligaste restaureringen därför den som låter en del av ansiktet förbli oskarpt.
Källor
- Xintao Wang med flera, ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks (2018)
- Xintao Wang med flera, Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data (2021)
- Yochai Blau och Tomer Michaeli, The Perception-Distortion Tradeoff (2018)
- Xintao Wang med flera, Towards Real-World Blind Face Restoration with Generative Facial Prior (2021)
- Wenbo Bao med flera, Depth-Aware Video Frame Interpolation (2019)
- International Federation of Film Archives, FIAF Code of Ethics (1998)
- Peter Jackson, regissör; historiskt filmmaterial från Imperial War Museums, They Shall Not Grow Old (2018)
Ställ frågor om "När AI räddar filmen – och hittar på ett nytt ansikte". Svaren bygger på tidningens egna artiklar.
