বিনামূল্যে ইমেজ আপস্কেলার

কিভাবে কাজ করে

Upscaler চালায় Real-ESRGAN general-x4v3 — একটি 4.6 MB convolutional super-resolution নেটওয়ার্ক — আপনার নিজের মেশিনে একটি Web Worker-এর ভেতরে onnxruntime-web দিয়ে। মডেলটি একবার আমাদের নিজস্ব সার্ভার থেকে এনে ক্যাশ করা হয়, তারপর অফলাইনে ব্যবহৃত হয়; আপনার ছবি লোকালি একটি ক্যানভাসে ডিকোড হয় এবং কখনো আপলোড হয় না। স্কেল ফ্যাক্টর 4×-এ স্থির, কারণ এটি গ্রাফের দুই জায়গায় স্থায়ীভাবে বসানো।

1. 1
   ছবিটি পরস্পর-আচ্ছাদিত টাইলে কাটা হয়

   4× ফলাফল মানে ষোলো গুণ পিক্সেল, তাই একটি 4000×3000 ছবি হবে 192 মেগাপিক্সেল — ব্রাউজার ট্যাবকে শুধু ধীর নয়, একেবারে বন্ধ করে দেওয়ার মতো। এর বদলে ছবিটিকে এমন core-এ ভাগ করা হয় যা ঠিকঠাক জোড়া লাগে, এবং প্রতিটি core প্রতিটি দিকে বাড়তি প্রসঙ্গের মার্জিনসহ পড়া হয়, যাতে convolution স্তূপের (যার receptive field 34 পিক্সেল) কাজ করার জন্য আসল প্রতিবেশী পিক্সেল থাকে। সীমানা edge-replicate করা হয়, কখনো zero-pad নয়, যা নইলে মডেলকে ফ্রেমের চারপাশে একটি কালো পাড় তীক্ষ্ণ করতে বাধ্য করত।
2. 2
   প্রতিটি টাইল একটি planar RGB tensor হিসেবে প্যাক হয়

   একটি টাইল [1, 3, H, W] আকারের float32 tensor হয়, যেখানে লাল, সবুজ ও নীল চ্যানেল আলাদা plane-এ রাখা এবং মানগুলো শুধু 255 দিয়ে ভাগ করা — কোনো ধরনের mean/standard-deviation নর্মালাইজেশন নেই। প্রতিটি টাইল হুবহু একই বর্গাকারে প্যাড করা হয়, কারণ WebGPU backend প্রতিটি নতুন ইনপুট আকারের জন্য তার shader আবার কম্পাইল করে, আর তিনটি ভিন্ন টাইল আকারের পরিকল্পনায় সেই খরচ তিনবার দিতে হতো।
3. 3
   যেখানে আছে সেখানে WebGPU-তে inference চলে, নইলে CPU-তে

   সেশনটি প্রথমে WebGPU দিয়ে তৈরি হয় এবং যেকোনো ব্যর্থতায় single-threaded WebAssembly-তে ফিরে যায় — গ্রাফিক্স ড্রাইভার প্রায়ই সমর্থনের কথা জানিয়ে গ্রাফ তৈরির মাঝপথে ব্যর্থ হয়, আর ভাঙার চেয়ে ধীর ভালো। বিকল্প পথ বাস্তবসম্মত আকারের সীমা ও চলার সময় অনেকগুণ বদলে দেয় বলে টুলটি প্রথম টাইল চলার আগে আসলে যে provider পেয়েছে তার বিপরীতে কাজটি আবার যাচাই করে, এবং পরে জানায় কোনটি ব্যবহার করেছে।
4. 4
   টাইলগুলো cross-fade করে আবার জোড়া ও clamp করা হয়

   টাইলগুলো শুধু পাশাপাশি জুড়লে একটি দৃশ্যমান গ্রিড থাকে, তাই প্রতিটি টাইলের অবদান ভাগ করা অংশ জুড়ে একটি রৈখিক ঢাল দিয়ে ওজন দেওয়া হয়। দুটি ঢাল ঠিক পরিপূরক, তাই প্রতিটি আউটপুট পিক্সেলে ওজনের যোগফল ঠিক 1 হয় এবং জোড়ার জায়গায় কোনো উজ্জ্বল বা অন্ধকার রেখা দেখা যায় না। মডেলের কাঁচা আউটপুট গ্রাফের ভেতরে clip করা হয় না — মাপা মান প্রায় −0.18 থেকে +1.19 পর্যন্ত — তাই 8-bit রূপান্তরের আগে প্রতিটি নমুনা 0–255 পরিসরে clamp করা হয়, যা উচ্চ-কনট্রাস্টের প্রান্তে ছিটেফোঁটা দাগ রোধ করে। Alpha আলাদাভাবে bilinear পদ্ধতিতে resample হয়, কারণ নেটওয়ার্কের নিজের কোনো alpha পথ নেই।
5. 5
   ফলাফল worker-এর ভেতরে এনকোড হয়

   জোড়া দেওয়া পিক্সেলগুলো একটি OffscreenCanvas-এ আঁকা হয়ে সঙ্গে সঙ্গে PNG-তে এনকোড হয়, তাই Download চাপলে সামনে কোনো অ্যাসিঙ্ক্রোনাস ফাঁক থাকে না। JPG-তে বদলালে মডেল আবার না চালিয়ে worker-এর কাছে থাকা ক্যানভাস থেকে আবার এনকোড হয়। মাঝখানের একটি ছোট অংশ 100%-এ দেখানো হয়, ব্রাউজারের resample করা একই অংশের পাশে — শুধু এই তুলনাতেই 4× পার্থক্য আসলে চোখে পড়ে।

সম্পর্কিত টুলস