夜雨聆风一张模糊旧照被补出眼睛、皱纹和衣纹后，看起来更像记忆，却也加入了原图没有提供的答案。家人也许会说“这下终于看清了”，另一款工具生成的眉形、发际线和笑容却可能不一样。
两张结果都很清楚，不可能同时都是当年的那张脸。生成式修复可以帮助观看、上色或去除明显破损，但当原图缺少足够像素时，模型必须根据学到的图像规律推断细节。它补出的“像真的”，不能自动升级成“原来就是这样”。这类照片最需要保留的，不只是好看的修复版，还有原件和处理说明。
清晰度增加，证据没有同步增加
传统修复也会去尘、调整对比度、补划痕，但生成式人脸修复更可能调用模型中的“生成先验”，为低质量面孔恢复看似合理的细节。CVPR的人脸修复研究就明确使用生成式人脸先验来恢复真实世界低质量图像。
另一项针对极低分辨率人脸放大的研究指出，如果年龄造成的独特面部特征被忽略，修复后的脸可能与原人不够相似，尤其是年长面孔。研究针对特定方法，不能概括所有工具，却足以说明：当输入信息很少，输出里的部分细节来自推断，而非从原图中被“找回”。
因此，评价修复图时可以分开两个问题。第一，它是否更容易观看；第二，它是否足以证明某个历史细节。前一个答案可能是“有帮助”，后一个往往需要更谨慎。
比如，工具补出的衣服纹样可以让画面完整，却不能据此判断当年真实布料；上色后的军装、校服或建筑颜色不能替代档案；一张被修得很年轻、很光滑的脸，也不应被当作对原人物外貌的可靠还原。
保存时，让三个东西待在一起
最简单的做法，是不覆盖原文件。保留原图，另存修复版，并在文件名或说明里写明处理日期、使用的工具和做过什么，例如“去划痕、放大、生成式人脸增强、自动上色”。如果多次尝试，版本也分开，不把最后一张无说明地当成原件流传。
若照片要用于家谱、纪念册、展览或公开文章，可以在图注中写“由原图经生成式修复”，并把原图放在相邻位置。这样读者既能享受更清楚的观看，也知道哪些信息来自后期处理。
一些图像系统会写入C2PA内容凭证、SynthID或其他来源信号，用来记录生成或处理信息。OpenAI的官方说明也提醒，C2PA并不只用于AI图像，而且元数据可能被社交平台处理或被截图去除。检测到来源信号只能说明一条来源链，缺少信号也不能反向证明没有使用AI。
家庭照片还涉及隐私。上传前要确认照片中人物是否愿意，尤其是儿童、证件、医院、住址和未公开家庭关系；不熟悉工具的数据使用方式时，可以选择本地软件、低敏感照片，或干脆只做非生成式清洁和裁切。
若原图只有一份纸质照片，先做不修改的高质量扫描或翻拍，再拿副本尝试。处理过程一旦覆盖原文件，就失去了比较生成细节的基准，也让后来的人无法判断哪些损伤本来存在。
修复也有不做的自由。有些划痕、褪色和缺角本来就是物件经历的一部分。照片不必达到今天相机的清晰度才值得保存。若家人对修复后的脸觉得陌生，那种不适也应被认真对待，不必用“技术更准确”压过去。
把修复版欣赏完，再把原件放回它旁边。一个负责让今天的人看得更清楚，一个负责告诉以后的人：当时真正留下来的，只有这些。
