Irudi handitzailea doan

Nola Funtzionatzen Du

Igoberak Real-ESRGAN general-x4v3 exekutatzen du — 4,6 MB-ko super-bereizmen sare konbolutibo bat — onnxruntime-web bidez Web Worker batean zure makinan bertan. Eredua behin eskuratzen da gure zerbitzaritik, cache-atzen da, eta gero linez kanpo erabiltzen da; zure argazkia lokalki dekodetzen da oihal batean eta inoiz ez da igotzen. Eskala-faktorea 4×-tan finkatuta dago, grafikoan bi tokitan gogorki txertatuta baitago.

1. 1
   Irudia gainjartzen diren lauzetan zatitzen da

   4× emaitza bat hamasei aldiz pixel gehiago da, beraz 4000×3000 argazki bat 192 megapixel izango litzateke — nahikoa nabigatzaile-fitxa hiltzeko erabat, motelduarazi baino gehiago. Horren ordez, irudia doi-doi lauzatzen duten nukleoetan banatzen da, eta nukleo bakoitza alde bakoitzean testuinguru-marjina gehigarri batekin irakurtzen da beraz konboluzio-piloak (bere hartze-eremua 34 pixelekoa da) auzokide-pixel errealak izan ditzan lan egiteko. Ertzak ertz-erreplikatuta daude, inoiz ez zero-betegarrituta, honek eredua markoaren inguruan ertz beltz bat zorroztera behartuko lukeelako bestela.
2. 2
   Lauza bakoitza RGB tentsore planar gisa paketatzen da

   Lauza bat [1, 3, H, W] itxurako float32 tentsore bihurtzen da, gorri, berde, eta urdin kanalak plano bereizi gisa gordeta eta balioak sinpleki 255ez zatituta — batazbesteko/desbideraketa-estandarreko normalizaziorik gabe. Lauza bakoitza tamaina karratu berdinera betegarritzen da, WebGPU atzealdeak bere shader-ak berreraikitzen dituelako sarrera-itxura berri bakoitzerako eta hiru lauza-tamaina ezberdineko plan batek kostu hori hiru aldiz ordainduko lukeelako.
3. 3
   Inferentzia WebGPUn exekutatzen da existitzen den tokian, bestela CPUan

   Saioa WebGPU-rekin lehenik sortzen da eta hari bakarreko WebAssembly-ra atzera egiten du edozein hutsegitetan — grafiko-driverrak arrunt onarpena iragartzen dute eta gero grafikoa eraikitzen erdi bidean huts egiten dute, eta motelagoak apurtutakoa gainditzen du. Atzerapideak tamaina-muga errealista eta exekuzio-denbora faktore handi batez aldatzen dituenez, tresnak lana benetan lortu duen hornitzailearen aurka berregiaztatzen du lehen lauza exekutatu aurretik, eta zein erabili duen esaten dizu ondoren.
4. 4
   Lauzak elkarren artean gurutzatuki-fundituta berbatzen dira eta mugatuta

   Lauzak muturrez-muturrera lotzeak sareta ikusgai bat uzten du, beraz lauza bakoitzaren ekarpena arrapala lineal batek haztatzen du zati partekatuan zehar. Bi arrapalak osagarri zehatzak dira, beraz pisuak zehazki 1 batzen dute irteera-pixel bakoitzean eta ez da lerro argi edo ilunik agertzen josketa batean zehar. Ereduaren irteera gordina ez da grafikoaren barruan moztu — neurtutako balioak -0,18 eta +1,19 inguru dira — beraz lagin bakoitza 0–255 barrutira mugatzen da 8 biteko trukatu aurretik, hau da kontraste altuko ertzetan zehar granulua saihesten duena. Alfa bereizirik eta bilineal berlaginketa egiten da, sareak berak ez baitu alfa-biderik.
5. 5
   Emaitza workerean kodetzen da

   Muntatutako pixelak OffscreenCanvas batean marrazten dira eta berehala PNG-ra kodetzen dira, beraz Deskargatu sakatzeak ez du inolako tarte asinkronorik aurrean. JPG-ra aldatzeak workerrak oraindik dituen oihaletik berkodetzen du eredua berriz exekutatu beharrean. Erdiko mozketa txiki bat ere errendatzen da %100ean nabigatzaileak berlaginduriko eskualde beraren ondoan, hau baita 4×ko diferentzia benetan ikusgai den konparazio bakarra.

Erlazionatutako tresnak