Kako AI obnavlja i kolorizira stare crno-bijele fotografije — Potpuni vodič

Što je AI restauracija i kolorizacija fotografija?

AI restauracija i kolorizacija fotografija je proces u kojem algoritmi umjetne inteligencije automatski popravljaju oštećenja na starim fotografijama (ogrebotine, mrlje, zamagljenja) i dodaju boje crno-bijelim snimkama. Za razliku od tradicionalnog ručnog retuširanja, AI modeli poput Generative Adversarial Networks (GANs) i Diffusion Models analiziraju milijune fotografija kako bi 'naučili' što bi moglo biti ispod oštećenja ili koja bi boja bila najvjerojatnija za određeni objekt.

Ova tehnologija doživljava eksplozivan rast: globalno tržište AI foto restauracije vrijedilo je oko 500 milijuna dolara u 2025., a procjenjuje se da će doseći 600 milijuna dolara do kraja 2026. godine. Prema istraživanju Adobe Creative Cloud tima, 83% kreativnih profesionalaca koristi generativnu AI u svom radu, a 'prosumer' softver - alati koji nude profesionalne AI funkcije u jednostavnom sučelju - čini gotovo 45% tržišta uređivanja fotografija.

Za hrvatske korisnike koji žele obnoviti obiteljske albume (*obiteljski albumi*), ključno je razumjeti da AI ne 'otkriva' izvorne boje - ona ih **halucinira** na temelju statističke vjerojatnosti. To znači da algoritam primjenjuje najčešće boje iz svojih podataka za obuku, što može biti problematično za povijesne snimke.

Kako AI zapravo 'vidi' crno-bijele fotografije

Algoritmi za kolorizaciju rješavaju takozvani 'ill-posed problem' - matematički zadatak u kojem ne postoji jednoznačan odgovor. Svaki sivi piksel na crno-bijeloj fotografiji mogao bi biti crvene, plave ili zelene boje u originalu - sve bi izgledalo identično u sivim tonovima.

Emil Wallner, stručnjak za strojno učenje u Google AI-u, objašnjava: 'Stvaranje AI modela sposobnog identificirati povijesne motive i zaključivati o njihovim pravim bojama iznimno je složeno. Ljudski povjesničari još uvijek imaju prednost jer unakrsno referenciraju arhivske zapise, Google Street View i povijesni kontekst - stvari koje AI ne može raditi.' (Izvor: Google AI Blog)

Tehnologija iza procesa

Moderni AI sustavi koriste dvije glavne arhitekture:

• Generative Adversarial Networks (GANs) - Dva neuronska mrežna 'igraju' igru: jedan generira boje, drugi provjerava jesu li uvjerljive
• Diffusion Models - Postupno 'čiste' šum iz slike dok ne nastane koherentan kolorni rezultat
• Transformer modeli - Analiziraju kontekst cijele slike (npr. ako vide more, nebo će vjerojatno obojiti plavo)

Ovi modeli obučeni su na milijunima fotografija, ali tu dolazi problem: ako je AI uglavnom treniran na modernim slikama, može pogrešno obojiti povijesnu hrvatsku vojnu uniformu jer primjenjuje 'sigurne' moderne boje poput bež ili tamno plave umjesto autentičnih povijesnih nijansi.

Cijene AI restauracije u Hrvatskoj - Online alati vs. foto studiji

Trošak restauracije fotografija u Hrvatskoj varira od besplatnih online alata do nekoliko stotina eura za profesionalnu uslugu u lokalnim foto studijima. Evo detaljnog pregleda:

Trend: Foto studiji u Zagrebu, Splitu i Rijeci sada koriste AI

Većina lokalnih foto studija u Hrvatskoj - posebno u Zagrebu, Splitu, Rijeci i Osijeku - sada koristi AI kao početnu točku kako bi ubrzali svoj radni tijek prije ručnog dorada. To znači da čak i ako odaberete 'tradicionalnu' uslugu, vjerojatno ćete dobiti kombinaciju AI automatizacije i ljudske ekspertize, što predstavlja najbolji omjer cijene i kvalitete.

Pravni okvir: EU AI Act i autorska prava u Hrvatskoj

Od kolovoza 2026., svi AI sustavi koji generiraju ili manipuliraju slikovnim sadržajem morat će označiti rezultate u strojno čitljivom formatu - to uključuje kolorizirane povijesne fotografije. Ova obveza proizlazi iz članka 50. EU AI Akta, kojim se želi spriječiti 'deepfake' manipulacije i slučajno prepisivanje povijesti.

Što to znači za hrvatske korisnike?

1. Transparentnost izvora - Europski parlament zahtijeva od AI programera da objave detaljne sažetke podataka korištenih za obuku modela, uključujući autorska djela
2. Oznake AI sadržaja - Kolorizirane fotografije morat će sadržavati metapodatke koji jasno označavaju da su obrađene umjetnom inteligencijom
3. Autorska prava - Prema hrvatskom Zakonu o autorskom pravu i srodnim pravima (NN 111/21), restauracija ili kolorizacija fotografije iz javne domene ne daje korisniku novo autorsko pravo, jer AI-generirani rezultati trenutačno nemaju ljudsko autorstvo

To znači da ako kolorizirate staru obiteljsku fotografiju iz 1920-ih pomoću AI alata, ne možete pravno tvrditi da je rezultat vaše 'autorsko djelo' - tehnički je to izvedeni rad iz javne domene.

Kako koristiti AI alate za obiteljske albume - Korak po korak

Za najbolje rezultate, slijedite ovaj tijek rada koji kombinira digitalizaciju, AI obradu i ručnu provjeru. Pravilo 'smeće unutra, smeće van' strogo vrijedi za AI - loša fotografija starog otiska s mobitela dat će loše AI rezultate.

Korak 1: Pravilno skenirajte fotografije

1. Koristite skener s minimalnom rezolucijom od 300-600 DPI (ne fotografirajte mobitelom!)
2. Skenirajte u TIFF ili PNG formatu (ne JPG - gubi kvalitetu)
3. Očistite fotografiju od prašine mikrovlaknenom krpom prije skeniranja
4. Ako nemate skener, posjetite lokalne knjižnice u Zagrebu (Nacionalna i sveučilišna knjižnica) ili Splitu (Gradska knjižnica Marka Marulića) - nude besplatne usluge skeniranja

Korak 2: Odaberite pravi AI alat

Korak 3: Provjerite privatnost podataka

Kada koristite besplatne online alate, pročitajte politiku privatnosti. Neki besplatni servisi koriste vaše prenesene obiteljske fotografije za daljnju obuku svojih AI modela. Potražite usluge koje garantiraju da se fotografije brišu nakon obrade - to je posebno važno za osjetljive obiteljske arhive.

Korak 4: Ručna provjera i korekcija

Ne prihvaćajte AI rezultate kao konačne. Uporedite s povijesnim referencama:

• Provjerite boje uniformi u Hrvatskom državnom arhivu (Zagreb, Marulićev trg 21)
• Uporedite arhitekturu s Google Street View ili starim razglednicama
• Konzultirajte obiteljske članove koji se sjećaju izvornih boja

Najveće zamke AI kolorizacije - Što može poći po zlu

AI algoritmi često griješe kod tonova kože, ponekad neprimjereno svjetleći kožu subjekata na povijesnim fotografijama. Nadalje, AI alati za uklanjanje ogrebotina mogu zamijeniti stvarne povijesne detalje za 'prašinu' ili 'ogrebotine' i trajno ih izbrisati sa slike.

Tri najčešća problema

1. Efekt 'mutnoće' - Budući da AI pokušava minimizirati greške pogađanjem matematičkog prosjeka mogućih boja, AI-kolorizirane fotografije često izgledaju blago isprane, mutne ili 'sepia-tonirane' u usporedbi s pravom kolor fotografijom
2. Brisanje povijesnih detalja - AI može pogrešno identificirati daljnju telegrafsku stupicu, specifičnu arhitektonsku značajku ili značku na uniformi kao 'prašinu' i ukloniti je
3. Kulturna pristranost - Ako je AI obučen uglavnom na zapadnoeuropskim ili američkim fotografijama, može pogrešno obojiti tradicijsku hrvatsku nošnju, povijesne zastave ili lokalne arhitektonske elemente

Primjer iz prakse: Kolorizacija fotografije Trga bana Jelačića

Kada korisnici pokušavaju kolorizirati stare fotografije Trga bana Jelačića u Zagrebu iz 1930-ih, AI alati često griješe boju tramvaja (koji su bili žuti, ne crveni), boju pročelja zgrada (mnoge su bile pastelno žute i zelene, ne smeđe) i boju odjeće prolaznika (radničke bluze bile su tamnoplave, ne crne). Ljudski stručnjaci u Muzeju grada Zagreba mogu pružiti točne povijesne reference za takve detalje.

Budućnost AI restauracije - Što očekivati 2026. i dalje

Tržište AI foto restauracije projicirano je da će narasti s 600 milijuna dolara u 2026. na 1,49 milijardi dolara do 2031., što predstavlja godišnju stopu rasta od 20%. (Izvor: OECD AI Policy Observatory)

Tri ključna trenda

• Multimodalni modeli - Sljedeća generacija AI-a kombinira slikovne podatke s tekstualnim opisima, omogućujući korisnicima da upišu: 'Ovo je fotografija iz Dubrovnika 1965., oboji zidine u autentičnom kamenom tonu'
• Blockchain provjera autentičnosti - Muzeji i arhivi počinju koristiti blockchain za označavanje izvornih digitalizacija, omogućujući korisnicima da provjere je li slika autentična ili AI-manipulirana
• Lokalizirani modeli - Hrvatski Državni arhiv i Nacionalna i sveučilišna knjižnica u Zagrebu razmatraju partnerstvo za obuku AI modela specifično na hrvatskim povijesnim fotografijama, što bi drastično poboljšalo točnost kolorizacije

Preporuke za hrvatske korisnike - Što učiniti danas

Za većinu hrvatskih obitelji koje žele digitalizirati i obnoviti stare albume, optimalan pristup je hibridni: koristite AI za početnu obradu, a zatim ručno provjerite rezultate s povijesnim referencama.

Praktični akcijski plan

1. Prioritizirajte skeniranje - Stare fotografije fizički se raspadaju; svaki mjesec odgode povećava rizik trajnog gubitka
2. Započnite s besplatnim alatima - Testirajte DeOldify ili Palette.fm na 2-3 fotografije prije nego uložite u premium usluge
3. Dokumentirajte proces - Uvijek zadržite izvornu neobrađenu skeniranu verziju i AI-obrađenu verziju kao odvojene datoteke
4. Konzultirajte stručnjake za važne fotografije - Za povijesno značajne slike (npr. ratne fotografije, dokumenti, rijetke obiteljske arhive), kontaktirajte Hrvatski državni arhiv ili lokalne muzeje prije AI obrade
5. Pripremite se za EU AI Act - Od 2026., označite sve AI-obrađene fotografije u metapodacima s datumom obrade i korištenim alatom