ຕົວຂະຫຍາຍຮູບພາບ ຟຣີ

ມັນເຮັດວຽກແນວໃດ

ຕົວຂະຫຍາຍພາບໃຊ້ Real-ESRGAN general-x4v3 — network super-resolution ແບບ convolutional ຂະໜາດ 4.6 MB — ຜ່ານ onnxruntime-web ພາຍໃນ Web Worker ໃນເຄື່ອງຂອງທ່ານເອງ. ໂມເດວຖືກດຶງມາຄັ້ງດຽວຈາກເຊີເວີຂອງພວກເຮົາເອງ, ເກັບໄວ້, ແລ້ວໃຊ້ແບບອອບໄລນ໌; ຮູບພາບຂອງທ່ານຖືກຖອດລະຫັດລົງ canvas ໃນເຄື່ອງ ແລະ ບໍ່ເຄີຍຖືກອັບໂຫຼດ. ອັດຕາຂະຫຍາຍຄົງທີ່ທີ່ 4× ເນື່ອງຈາກມັນຖືກຝັງແໜ້ນເຂົ້າໃນ graph ໃນ 2 ບ່ອນ.

1. 1
   ຮູບພາບຖືກຕັດເປັນກະເບື້ອງທີ່ຊ້ອນກັນ

   ຜົນລັບ 4× ມີ pixel ຫຼາຍກວ່າ 16 ເທົ່າ, ດັ່ງນັ້ນຮູບພາບ 4000×3000 ຈະກາຍເປັນ 192 ລ້ານ pixel — ພຽງພໍທີ່ຈະຂ້າແທັບບຣາວເຊີໄດ້ໂດຍກົງແທນທີ່ຈະພຽງແຕ່ຊ້າລົງ. ແທນທີ່ຈະເປັນແນວນັ້ນ, ຮູບພາບຖືກແບ່ງເປັນແກນທີ່ຕໍ່ກັນພໍດີ, ແລະ ແຕ່ລະແກນຖືກອ່ານພ້ອມຂອບເຂດພິເສດຂອງ context ຢູ່ທຸກດ້ານ ດັ່ງນັ້ນຊຸດ convolution (ເຊິ່ງມີ receptive field 34 pixel) ຈະມີ pixel ຂ້າງຄຽງແທ້ຈິງທີ່ຈະໃຊ້ງານ. ຂອບຖືກ replicate, ບໍ່ເຄີຍ zero-padded, ເຊິ່ງຖ້າບໍ່ດັ່ງນັ້ນຈະເຮັດໃຫ້ໂມເດວເຮັດຂອບດຳຮອບຂອບຮູບ.
2. 2
   ແຕ່ລະກະເບື້ອງຖືກຫໍ່ເປັນ tensor RGB ແບບ planar

   ກະເບື້ອງໜຶ່ງກາຍເປັນ tensor float32 ຮູບຮ່າງ [1, 3, H, W] ໂດຍຊ່ອງແດງ, ຂຽວ ແລະ ຟ້າຖືກເກັບເປັນຊັ້ນແຍກກັນ ແລະ ຄ່າຖືກຫານດ້ວຍ 255 ທຳມະດາ — ບໍ່ມີການປັບມາດຕະຖານແບບ mean/standard-deviation ໃດເລີຍ. ແຕ່ລະກະເບື້ອງຖືກເພີ່ມຂອບໃຫ້ເປັນຂະໜາດສີ່ຫຼ່ຽມດຽວກັນເປັນ, ເນື່ອງຈາກ backend WebGPU ຈະ recompile shader ຂອງມັນສຳລັບແຕ່ລະຮູບຮ່າງປ້ອນເຂົ້າໃໝ່ ແລະ ແຜນທີ່ມີຂະໜາດກະເບື້ອງ 3 ແບບແຕກຕ່າງກັນຈະຕ້ອງຈ່າຍຄ່າໃຊ້ຈ່າຍນັ້ນ 3 ຄັ້ງ.
3. 3
   ການອະນຸມານເຮັດວຽກເທິງ WebGPU ບ່ອນທີ່ມັນມີ, ຖ້າບໍ່ດັ່ງນັ້ນເທິງ CPU

   session ຖືກສ້າງດ້ວຍ WebGPU ກ່ອນ ແລະ ຫຼຸ້ນໄປໃຊ້ WebAssembly ແບບ single-threaded ເມື່ອລົ້ມເຫຼວ — driver ກຣາຟິກມັກໂຄສະນາການຮອງຮັບແລ້ວລົ້ມເຫຼວກາງທາງໃນການສ້າງ graph, ແລະ ຊ້າກວ່າຍັງດີກວ່າພັງ. ເນື່ອງຈາກການຫຼຸ້ນປ່ຽນຂອບເຂດຂະໜາດທີ່ເປັນຈິງ ແລະ ເວລາຮັນຢ່າງຫຼວງຫຼາຍ, ເຄື່ອງມືຈະກວດວຽກຄືນທຽບກັບ provider ໃດກໍ່ຕາມທີ່ມັນໄດ້ຮັບແທ້ຈິງກ່ອນກະເບື້ອງທຳອິດຈະຮັນ, ແລະ ບອກທ່ານວ່າມັນໃຊ້ອັນໃດຫຼັງຈາກນັ້ນ.
4. 4
   ກະເບື້ອງຖືກປະສົມກັບຄືນ ແລະ ຈຳກັດຂອບເຂດ

   ການຕໍ່ກະເບື້ອງແບບຊິດຈະໃຫ້ເຫັນຕາຂ່າຍ, ດັ່ງນັ້ນສ່ວນປະກອບຂອງແຕ່ລະກະເບື້ອງຈະຖືກຖ່ວງນ້ຳໜັກດ້ວຍ ramp ເສັ້ນຕົງທົ່ວແຖບທີ່ໃຊ້ຮ່ວມກັນ. ramp ທັງສອງແມ່ນສ່ວນເສີມທີ່ພໍດີ, ດັ່ງນັ້ນນ້ຳໜັກລວມກັນເປັນ 1 ພໍດີທຸກ pixel ຜົນລັບ ແລະ ບໍ່ມີເສັ້ນສະຫວ່າງ ຫຼື ມືດປາກົດຕາມຮອຍຕໍ່. ຜົນລັບດິບຂອງໂມເດວບໍ່ຖືກຕັດພາຍໃນ graph — ຄ່າທີ່ວັດໄດ້ແລ່ນຈາກປະມານ −0.18 ຫາ +1.19 — ດັ່ງນັ້ນແຕ່ລະຕົວຢ່າງຖືກຈຳກັດໃຫ້ຢູ່ໃນຂອບເຂດ 0–255 ກ່ອນການແປງເປັນ 8-bit, ນີ້ຄືສິ່ງທີ່ປ້ອງກັນຈຸດແຕກກະຈາຍຕາມຂອບຄວາມຄົມຊັດສູງ. ອັນຟ້າ (Alpha) ຖືກ resample ແຍກຕ່າງຫາກ ແລະ ແບບ bilinear, ເນື່ອງຈາກ network ເອງບໍ່ມີເສັ້ນທາງ alpha.
5. 5
   ຜົນລັບຖືກ encode ຢູ່ໃນ worker

   pixel ທີ່ປະກອບແລ້ວຖືກແຕ້ມລົງໃນ OffscreenCanvas ແລະ encode ເປັນ PNG ທັນທີ, ດັ່ງນັ້ນການກົດດາວໂຫຼດຈະບໍ່ມີຊ່ອງຫວ່າງແບບ asynchronous ຢູ່ຂ້າງໜ້າ. ການສະຫຼັບໄປ JPG ຈະ encode ຄືນຈາກ canvas ທີ່ worker ຍັງຖືຢູ່ແທນທີ່ຈະຮັນໂມເດວອີກຄັ້ງ. ຮູບຕັດຈຸດກາງນ້ອຍໆຍັງຖືກສະແດງທີ່ 100% ຄຽງຄູ່ກັບພື້ນທີ່ດຽວກັນທີ່ resample ໂດຍບຣາວເຊີ, ເຊິ່ງເປັນການປຽບທຽບອັນດຽວທີ່ຄວາມແຕກຕ່າງ 4× ຈະເຫັນໄດ້ຈິງ.

ເຄື່ອງມືທີ່ກ່ຽວຂ້ອງ