निःशुल्क तस्बिर ठूलो पार्ने

यो कसरी काम गर्छ

अपस्केलरले Real-ESRGAN general-x4v3 — एउटा 4.6 MB convolutional super-resolution नेटवर्क — तपाईंको आफ्नै मेसिनमा एउटा Web Worker भित्र onnxruntime-web मार्फत चलाउँछ। मोडेल हाम्रो आफ्नै सर्भरबाट एकपटक ल्याइन्छ, क्यास गरिन्छ, र त्यसपछि अफलाइन प्रयोग गरिन्छ; तपाईंको फोटो स्थानीय रूपमा एउटा क्यानभासमा डिकोड हुन्छ र कहिल्यै अपलोड हुँदैन। स्केल कारक 4× मा स्थिर छ, किनभने यो दुई ठाउँमा ग्राफमा कडा-बेक गरिएको छ।

1. 1
   छवि ओभरल्यापिङ टाइलहरूमा काटिन्छ

   एउटा 4× नतिजा सोह्र गुणा बढी पिक्सेल हो, त्यसैले एउटा 4000×3000 फोटो 192 मेगापिक्सेल हुनेछ — ब्राउजर ट्याबलाई केवल सुस्त्याउनुको सट्टा सीधै मार्न पर्याप्त। बरु तस्बिरलाई ठ्याक्कै टाइल गर्ने कोरहरूमा विभाजन गरिन्छ, र हरेक कोर हरेक साइडमा सन्दर्भको अतिरिक्त सीमासहित पढिन्छ ताकि convolution स्ट्याक (जसको receptive field 34 पिक्सेल हो) सँग काम गर्न वास्तविक छिमेकी पिक्सेलहरू होस्। सीमाहरू edge-replicated हुन्छन्, कहिल्यै zero-padded हुँदैनन्, जसले अन्यथा मोडेललाई फ्रेमवरिपरि एउटा कालो किनारा तिखार्न लगाउनेथ्यो।
2. 2
   हरेक टाइल एउटा planar RGB tensor को रूपमा प्याक हुन्छ

   एउटा टाइल [1, 3, H, W] आकारको एउटा float32 tensor बन्छ जसमा रातो, हरियो र निलो च्यानलहरू छुट्टाछुट्टै planes को रूपमा भण्डारण गरिन्छन् र मानहरू सादै 255 ले भाग हुन्छन् — कुनै किसिमको mean/standard-deviation सामान्यीकरण छैन। हरेक टाइल ठ्याक्कै उही वर्गाकार साइजमा प्याड गरिन्छ, किनभने WebGPU ब्याकइन्डले हरेक नयाँ इनपुट आकारका लागि यसका shaders पुनः-कम्पाइल गर्छ र तीन फरक टाइल साइज भएको योजनाले त्यो लागत तीनपटक तिर्नेथ्यो।
3. 3
   Inference जहाँ अस्तित्वमा छ त्यहाँ WebGPU मा चल्छ, अन्यथा CPU मा

   सत्र पहिले WebGPU सँग बनाइन्छ र कुनै पनि असफलतामा एकल-थ्रेडेड WebAssembly मा फलब्याक हुन्छ — ग्राफिक्स ड्राइभरहरूले नियमित रूपमा समर्थनको विज्ञापन गर्छन् र त्यसपछि ग्राफ बनाउँदैबनाउँदै आधामा असफल हुन्छन्, र सुस्तोले बिग्रिएकोलाई पछ्याउँछ। किनकि फलब्याकले वास्तविक साइज सीमा र चलिरहने समय ठूलो कारकले बदल्छ, उपकरणले पहिलो टाइल चल्नुअघि यसले वास्तवमा जुनसुकै प्रोभाइडर पायो त्यसविरुद्ध कामलाई फेरि जाँच्छ, र पछि यसले कुनचाहिँ प्रयोग गर्‍यो बताउँछ।
4. 4
   टाइलहरू फेरि क्रस-फेड गरी जोडिन्छन् र क्ल्याम्प गरिन्छन्

   Butt-joining टाइलले एउटा देखिने ग्रिड छोड्छ, त्यसैले हरेक टाइलको योगदान साझा पट्टीभर एउटा लिनियर र्याम्पले तौलिन्छ। दुई र्याम्पहरू ठ्याक्कै पूरक हुन्छन्, त्यसैले हरेक आउटपुट पिक्सेलमा तौलहरू ठ्याक्कै 1 मा जोडिन्छन् र कुनै उज्यालो वा गाढा लाइन सिमानामा देखिँदैन। मोडेलको कच्चा आउटपुट ग्राफभित्र क्लिप गरिएको छैन — मापन गरिएका मानहरू लगभग −0.18 देखि +1.19 सम्म चल्छन् — त्यसैले हरेक स्याम्पल 8-बिट cast अघि 0–255 दायरामा क्ल्याम्प गरिन्छ, जसले उच्च-कन्ट्रास्ट किनाराहरूमा speckle रोक्छ। Alpha छुट्टै र bilinearly resample गरिन्छ, किनभने नेटवर्क आफैंसँग कुनै alpha पथ छैन।
5. 5
   नतिजा वर्करमै इन्कोड हुन्छ

   जोडिएका पिक्सेलहरू एउटा OffscreenCanvas मा कोरिन्छन् र तुरुन्तै PNG मा इन्कोड हुन्छन्, त्यसैले Download थिच्दा यसअघि कुनै असिंक्रोनस ग्याप हुँदैन। JPG मा स्विच गर्दा वर्करले अझै समातिरहेको क्यानभासबाट पुनः-इन्कोड हुन्छ, मोडेल फेरि नचलाई। एउटा सानो केन्द्र क्रप पनि 100% मा उही क्षेत्र ब्राउजरले resample गरेकोसँगै रेन्डर हुन्छ, जुन एक मात्र तुलना हो जसमा 4× फरक वास्तवमा देखिन्छ।

सम्बन्धित उपकरणहरू