"增强"涵盖了好几种可靠性差异极大的操作。真正要紧的区分是：信息是否还留在文件里。

确实可恢复的

噪点——叠加在真实信号上的随机变化。因为它是随机的而信号不是，降噪可以在统计上把两者分离。现代 AI 降噪非常出色，RAW 文件的降噪效果又优于 JPEG。极限在于：激进降噪会连同噪点一起抹掉细腻质感，产生塑料感皮肤和涂抹状树叶。

欠曝（在 RAW 中）——RAW 保存的范围超过预览所显示的，所以暗部细节确实存在、可以提起来。而在 JPEG 里，暗部信息早已被丢弃，提亮暴露出的是色带和噪点，而不是细节。

偏色与白平衡——RAW 中完全可恢复，JPEG 中大体可恢复。

压缩伪影——在"压缩/原图"配对上训练的模型能相当合理地逆转 JPEG 色块。效果通常不错，因为损伤模式被研究得很透彻。

轻微发软——锐化增强的是确实存在的边缘反差。

不可恢复的（工具在编造）

运动模糊和失焦——关于模糊背后是什么的信息从未被记录。去模糊模型产出的是一个*看似合理*的清晰版本，而不是真实的那个。细节，尤其是文字和面孔，是被编造出来的。

过曝高光——纯白像素不含任何数据。任何"恢复"都是合成。

超出源文件的分辨率——与放大同理，细节是编造的。

被遮挡的内容——任何藏在物体后面的东西。

实用检验标准：如果你肉眼无法判断那里原本是什么，模型也不能。它给出的是一个统计上可能的答案。

面孔问题

面部增强值得特别注意。在人像上训练的模型会：

  • 磨平皮肤、去掉质感，有时相当剧烈。
  • 用学到的平均值重建眼睛、牙齿和五官，这可能微妙地改变身份。
  • 施加一种审美——对称、增白的眼白、清晰的下颌线——而这并不是当事人要求的。

用于个人照片，这也许受欢迎。但用于身份识别、新闻、历史档案或任何纪实用途，这就是严重问题：被增强的面孔可能不再是那个人真实的面孔。已有多个记录在案的案例：放大工具从低分辨率输入生成了表观族裔或年龄都不同的面孔。

实用建议

  • 永远保留原件。 增强不可逆。
  • 在 100% 下对比前后，重点看面孔、文字和细腻纹理。
  • 用能解决问题的最轻档位。 多数工具的默认值都过头了。
  • 先降噪再锐化，且两者都放在工作流的最后。
  • 如果预期需要抢救素材就拍 RAW；它能把好几项从"编造"清单挪到"可恢复"清单。
  • 在新闻、证据和档案场景中披露增强处理，并且绝不对用于身份识别的图像做增强。

诚实的表述是：增强恢复的是幸存下来的信息，编造的是没能幸存的信息。对你手上这张具体的图片分清哪是哪，就是全部的功夫所在。