កម្មវិធីពង្រីករូបភាព ឥតគិតថ្លៃ

វាដំណើរការដោយរបៀបណា

កម្មវិធីបង្កើនគុណភាពដំណើរការ Real-ESRGAN general-x4v3 — បណ្តាញ super-resolution convolutional 4.6 MB — តាមរយៈ onnxruntime-web នៅក្នុង Web Worker នៅលើម៉ាស៊ីនផ្ទាល់ខ្លួនរបស់អ្នក។ ម៉ូដែលត្រូវបានទាញយកម្តងពីម៉ាស៊ីនមេផ្ទាល់ខ្លួនរបស់យើង ផ្ទុកទុក បន្ទាប់មកប្រើក្រៅបណ្តាញ; រូបថតរបស់អ្នកត្រូវបានឌិកូដទៅ canvas នៅមូលដ្ឋាន ហើយមិនត្រូវបានផ្ទុកឡើងឡើយ។ កត្តាមាត្រដ្ឋានត្រូវបានកំណត់ថេរនៅ 4× ដោយសារវាត្រូវបានបញ្ចូលរឹងក្នុងក្រាហ្វនៅកន្លែងពីរ។

1. 1
   រូបភាពត្រូវបានកាត់ជាដុំដែលត្រួតគ្នា

   លទ្ធផល 4× គឺដប់ប្រាំមួយដងនៃភីកសែល ដូច្នេះរូបថត 4000×3000 នឹងក្លាយជា 192 មេហ្គាភីកសែល — គ្រប់គ្រាន់ដើម្បីធ្វើឲ្យផ្ទាំងកម្មវិធីរុករកគាំងទាំងស្រុងជាជាងគ្រាន់តែធ្វើឲ្យវាយឺត។ ជំនួសវិញ រូបភាពត្រូវបានបែងចែកទៅជាស្នូលដែលដុំវាបានពិតប្រាកដ ហើយស្នូលនីមួយៗត្រូវបានអានជាមួយរឹមបរិបទបន្ថែមនៅគ្រប់ជ្រុងទាំងអស់ ដូច្នេះជង់ convolution (ដែលវាល receptive វាល 34 ភីកសែល) មានភីកសែលជិតខាងពិតប្រាកដដើម្បីធ្វើការ។ ព្រំដែនត្រូវបានចម្លងគែម មិនដែលបំពេញសូន្យឡើយ ដែលបើមិនដូច្នោះនឹងធ្វើឲ្យម៉ូដែលធ្វើឲ្យច្បាស់រង្វង់ខ្មៅជុំវិញស៊ុម។
2. 2
   ដុំនីមួយៗត្រូវបានវេចខ្ចប់ជា tensor RGB planar

   ដុំក្លាយជា tensor float32 រាង [1, 3, H, W] ជាមួយឆានែលក្រហម បៃតង និងខៀវផ្ទុកជាផ្ទាំងដាច់ដោយឡែក ហើយតម្លៃត្រូវបានចែកនឹង 255 ធម្មតា — គ្មានការធ្វើឲ្យធម្មតាមធ្យមភាគ/គម្លាតស្តង់ដារណាមួយឡើយ។ ដុំគ្រប់ត្រូវបានបំពេញឲ្យត្រូវទំហំការ៉េដូចគ្នាបេះបិទ ដោយសារ backend WebGPU ចងក្រង shaders របស់វាឡើងវិញសម្រាប់រាងព័ត៌មានបញ្ចូលថ្មីនីមួយៗ ហើយផែនការជាមួយទំហំដុំបីខុសគ្នានឹងបង់ថ្លៃនោះបីដង។
3. 3
   ការវែកញែកដំណើរការលើ WebGPU កន្លែងណាមាន បើមិនដូច្នោះលើ CPU

   សម័យត្រូវបានបង្កើតជាមួយ WebGPU មុនគេ ហើយត្រឡប់ទៅ WebAssembly ខ្សែស្រឡាយតែមួយពេលបរាជ័យណាមួយ — កម្មវិធីជំរុញក្រាហ្វិកជាទូទៅផ្សព្វផ្សាយថាគាំទ្រ ហើយបន្ទាប់មកបរាជ័យកណ្តាលការសាងសង់ក្រាហ្វ ហើយយឺតជាងឈ្នះលើខូច។ ដោយសារការត្រឡប់ផ្លាស់ប្តូរដែនកំណត់ទំហំជាក់ស្តែង និងពេលវេលាដំណើរការតាមកត្តាធំមួយ ឧបករណ៍ត្រួតពិនិត្យការងារឡើងវិញទល់នឹងអ្នកផ្តល់សេវាណាមួយដែលវាបានពិតប្រាកដមុនពេលដុំដំបូងដំណើរការ ហើយប្រាប់អ្នកថាមួយណាដែលវាបានប្រើក្រោយមក។
4. 4
   ដុំត្រូវបានលាយបញ្ចូលគ្នាឲ្យក្លាយជាមួយវិញ ហើយកំណត់ព្រំដែន

   ការភ្ជាប់ដុំច្រត់ចេញព្រំដែនមើលឃើញ ដូច្នេះការចូលរួមរបស់ដុំនីមួយៗត្រូវបានផ្តល់ទម្ងន់ដោយចម្រាំងលីនេអ៊ែរឆ្លងកាត់ខ្សែក្រណាត់ដែលចែករំលែក។ ចម្រាំងទាំងពីរជាបំពេញគ្នាដាច់ខាត ដូច្នេះទម្ងន់សរុបស្មើ 1 ដាច់ខាតនៅភីកសែលលទ្ធផលនីមួយៗ ហើយគ្មានបន្ទាត់ភ្លឺ ឬងងឹតលេចឡើងតាមផ្នែកភ្ជាប់ឡើយ។ លទ្ធផលដើមរបស់ម៉ូដែលមិនត្រូវបានកាត់ខាងក្នុងក្រាហ្វឡើយ — តម្លៃវាស់រត់ពីប្រហែល −0.18 ដល់ +1.19 — ដូច្នេះសំណាកនីមួយៗត្រូវបានកំណត់ព្រំដែនត្រឹមជួរ 0–255 មុនពេលបំប្លែងទៅជា 8-ប៊ីត ដែលនោះជាអ្វីដែលការពារពណ៌ចំណុចតាមគែមប៉ុងគំនិត។ Alpha ត្រូវបានស្នាកទុកម្តងទៀតដាច់ដោយឡែក និងបែបគូឡីនេអ៊ែរ ដោយសារបណ្តាញខ្លួនឯងគ្មានផ្លូវ alpha ឡើយ។
5. 5
   លទ្ធផលត្រូវបានអ៊ិនកូដក្នុង worker

   ភីកសែលដែលបានផ្គុំត្រូវបានគូរទៅ OffscreenCanvas ហើយអ៊ិនកូដទៅ PNG ភ្លាមៗ ដូច្នេះការចុចទាញយកគ្មានចន្លោះ asynchronous នៅមុខវាឡើយ។ ការប្តូរទៅ JPG អ៊ិនកូដឡើងវិញពី canvas ដែល worker នៅតែកាន់ ជាជាងដំណើរការម៉ូដែលម្តងទៀត។ ការកាត់កណ្តាលតូចមួយក៏ត្រូវបានបង្ហាញនៅ 100% ជាមួយតំបន់ដូចគ្នាដែលបានស្នាកឡើងវិញដោយកម្មវិធីរុករក ដែលជាការប្រៀបធៀបតែមួយគត់ដែលភាពខុសគ្នា 4× ពិតជាមើលឃើញ។

ឧបករណ៍ពាក់ព័ន្ធ