应选择带“realistic”等标签的底模+标注“face_restore”等lora的组合；重点核查年代数据、真实对比图和用户实测反馈；优先复用官方工作流或抄作业式锁定已验证模型。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你在LiblibAI上想修复一张泛黄、模糊、有划痕的老照片，但打开模型库后面对几百个“修复”“高清”“超分”字样的模型无从下手——有些模型专攻人脸细节，有些只强化纹理，还有些甚至会把皱纹修成光滑塑料脸，必须精准筛选才能避免越修越失真。
先锁定模型类型和关键词
进入LiblibAI官网（https://www.liblib.art）→ 登录账号 → 点击顶部导航栏【模型广场】→ 在分类筛选栏中，【必须关闭“全部模型”开关，只勾选“Checkpoint”和“LoRA”两项】。老照片修复效果最稳的组合是：一个带“realistic”“photorealistic”或“old_photo”标签的底模 + 一个明确标注“face_restore”“old_film”或“grain_removal”的LoRA。
在搜索框输入“老照片”“胶片修复”“人脸修复”“去划痕”，不要搜“高清”“超清”这类泛词——它们匹配到的多是通用放大模型，对年代感特征识别极弱。
重点看模型详情页的三项硬指标
点击任一候选模型卡片进入详情页，立刻检查以下三处：
① 模型描述首段是否出现“训练数据含1940–1990年代扫描底片”“使用Flickr旧照数据集微调”等时间锚点。没有明确年代范围的，大概率用现代人像数据凑数，修出来肤色发青、衣物质感失真。
② 示例图区是否至少有一张真实老照片修复对比图（非AI合成图），且修复后保留了纸基纹理、暗角衰减、颗粒粗细等物理特征。若所有示例都是光洁无瑕的现代人像，直接跳过。
③ “返图区”里用户上传的实测图是否带原图+修复图双图对比，且评论区有“皱纹没糊掉”“相纸质感还在”之类具体反馈。如果返图全是单张成品、评论只有“厉害”“666”，说明缺乏真实场景验证。
优先选用已验证的修复组合
方法一：直接复用高赞修复工作流
在模型广场搜索“老照片修复工作流”→ 找到带【✅官方推荐】角标的卡片→ 点击进入→ 滚动至“工作流模板”区块→ 选择“胶片扫描件修复”或“黑白证件照增强”模板→ 点击【立即使用】。该工作流已预设DPM++ SDE Karras采样器、CFG Scale=7、VAE为None，并绑定face_restore_v2 LoRA，无需手动调试参数。
方法二：抄作业式锁定返图验证模型
返回任意一张你认可的老照片修复返图→ 点击右下角【生成信息】→ 查看“模型”字段，记下Checkpoint名称（如“old_photo_realism_v3.safetensors”）→ 回到模型广场搜索该名称→ 进入其详情页→ 确认右上角显示“已加入”→ 再点击【在线生成】启动复刻流程。这一步能绕过所有参数试错，因为原作者已用真实底片跑通全流程。
【注意：若生成信息中LoRA字段为空，但返图效果极佳，说明作者用了本地未上传的私有LoRA——此时只能换一张带完整参数链的返图重试】
