「拉伸」與「重建」之間的差別

用普通的方法把一張圖放大，你得到的是同一批資訊的較大版本。每一個新像素，都是靠一條規則從它周圍的像素算出來的 —— 取鄰居的平均、按距離加權、把結果放進去。沒有東西被加進去。用這種方式放大一張照片，它會變軟，因為當間隙變大時，「取平均」看起來就是軟。

Waifu2x-Extension-GUI 做的是另一種類的事。它用的是一個在極大量圖片上訓練過的模型，所以當它放進新像素時，它不是在做平均，而是在提出「這種圖在這一點上通常長什麼樣」。邊緣會保持是邊緣，而不是糊成斜坡；原本只隱約暗示有紋理的地方，紋理會重新出現。它免費、原始碼公開，在 Windows 上執行。

兩個動作都是「重建」，而這個詞是有份量的

這個程式常被說成做兩件事：放大與降噪，而它們其實是同一件事從兩個方向看。放大問的是「已知像素之間該填什麼」；降噪問的是「如果沒有那些顆粒，這個像素本來該是什麼」。兩個問題問的都是檔案裡沒有的資訊，而兩個答案都來自事先學到的知識，不是來自資料本身。

這不是批評，這是對工具行為的解釋。它解釋了為什麼結果在線稿、插畫，以及那種邊緣乾淨、區域平坦的圖上會好得驚人 —— 那正是「先驗很強、猜起來容易對」的情況。它也解釋了為什麼在臉、樹葉、布料這類照片上結果比較不可靠：那裡模型必須自己生出紋理，而它有能力生出一種錯的、卻很有說服力的紋理。

選模型，就是選一個假設

程式提供好幾種模型，而這個選擇不是裝飾。每一種都在不同組成的圖片上訓練過，因此各自帶著不同的「世界長什麼樣」的意見。主要用插畫訓練出來的模型，會從一張畫裡做出銳利、有把握的線條，而從一張照片裡做出略帶塑膠感的結果。為攝影素材訓練的模型，會讓顆粒與皮膚看起來合理，同時可能把圖表的硬邊弄軟。

所以有用的流程不是「找到最好的模型」，而是「在同一張圖上試兩個，並用原始尺寸比」。要比的不是銳利度 —— 每個模型都能銳利 —— 而是那些被生出來的細節，跟畫面其餘部分是否一致。錯的紋理會以「這一區比鄰居熱鬧」的樣子出現，而當你知道那是一份猜測時，它就容易看得多。

批次處理，才是多數人需要它的原因

對一張圖做這件事是趣味。對四百張做，是一套工作流程，而工作流程才是人們真正需要的：一整批掃描下來的資料、一個準備放進報告的截圖資料夾、一組從影片抽出來的畫格。一個能吃下整個資料夾、套同一個模型、放著自己跑的佇列，把一個晚上的手工變成一件背景任務。

批次的代價是錯誤也被乘開，而這類工具的錯誤是安靜的。四百張圖的超量放大不會失敗，它會慢慢地成功、把硬碟塞滿、產出一批沒有人能用的檔案。所以值得遵守的流程很無聊：先處理幾張、用原始尺寸看過、確認模型與設定，然後才把整個資料夾送出去。

這個介面是什麼，以及不是什麼

包在模型外面的圖形介面，正是這個程式之所以獨立存在的原因：底層技術對熟悉命令列的人來說早就可用，而一個有檔案清單、模型選單和開始按鈕的視窗，才是讓其他人也用得上的東西。那是實質的貢獻，也該被這樣描述。

它不是一個「神奇變好看」的濾鏡。照片裡的顆粒往往不是損傷而是資訊，去掉它是一個有後果的決定。而通常會跟著這一類處理一起出現的銳化，造不出當初沒拍到的細節，只能把本來就在的邊緣誇張化。這個工具最好用的時候，是輸入真的不足的時候 —— 一張需要列印的小圖、一張尺寸抓錯的截圖；最不好用的時候，是輸入本來沒問題，而動機只是「想讓它更好一點」。

開源，以及它在這裡為什麼特別要緊

一個有活躍社群、定期更新的開放專案，是對一個健康工具最平常的描述，而在這個類別裡，它的份量比平常更重。這個領域動得很快：模型會被換掉、硬體支援會變；有在維護的專案會繼續能用，沒在維護的則會變成一個相依性再也解不開的資料夾。能公開提問題、公開討論，也是模型選擇會隨時間變好的原因。

結論

對任何手上有「太小、太吵，或當初根本沒人考慮尺寸」的圖片的人來說，Waifu2x-Extension-GUI 是對的工具。它的長處是重建而不是拉伸；它的限制是同一件事從另一面看 —— 因為重建就是推論，而推論可以錯得很有自信。用原始尺寸比較兩份結果來選模型、先試幾張再把幾百張排進佇列、並把產出當成一張「合理的新圖」而不是「被找回的原圖」。這樣理解它，它就是現有免費工具裡，少數真的能把原本沒救的素材救回來的其中一個。