இலவச பட மேம்படுத்தி (Image Upscaler)

இது எவ்வாறு செயல்படுகிறது

அப்ஸ்கேலர் Real-ESRGAN general-x4v3-ஐ — ஒரு 4.6 MB கன்வோலூஷனல் சூப்பர்-ரெசொல்யூஷன் நெட்வொர்க் — உங்கள் சொந்த கணினியில் ஒரு Web Worker-க்குள் onnxruntime-web வழியாக இயக்குகிறது. மாடல் எங்கள் சொந்த சர்வரிலிருந்து ஒருமுறை பெறப்பட்டு, கேச் செய்யப்பட்டு, பின் ஆஃப்லைனில் பயன்படுத்தப்படுகிறது; உங்கள் புகைப்படம் உள்ளூரில் ஒரு கேன்வாஸுக்கு டீகோட் செய்யப்பட்டு ஒருபோதும் அப்லோட் செய்யப்படாது. அளவு காரணி 4×-இல் நிலையானது, ஏனெனில் இது கிராஃபில் இரண்டு இடங்களில் கடினமாக-பேக் செய்யப்பட்டுள்ளது.

1. 1
   படம் ஒன்றுடன் ஒன்று மேலெழும் டைல்களாக வெட்டப்படுகிறது

   4× முடிவு பதினாறு மடங்கு பிக்செல்கள், எனவே ஒரு 4000×3000 புகைப்படம் 192 மெகாபிக்செல்களாக இருக்கும் — பிரவுசர் டேபை வெறுமனே மெதுவாக்குவதற்குப் பதிலாக முற்றிலும் கொல்ல போதுமானது. அதற்குப் பதிலாக படம் அதை சரியாக டைல் செய்யும் கோர்களாகப் பிரிக்கப்படுகிறது, மேலும் ஒவ்வொரு கோரும் ஒவ்வொரு பக்கத்திலும் கூடுதல் சூழல் விளிம்புடன் படிக்கப்படுகிறது, எனவே கன்வோலூஷன் ஸ்டேக் (இதன் ஏற்பு புலம் 34 பிக்செல்கள்) உண்மையான அண்டை பிக்செல்களைக் கொண்டு வேலை செய்ய முடியும். எல்லைகள் விளிம்பு-மறுநகல் செய்யப்படுகின்றன, ஒருபோதும் zero-padded செய்யப்படுவதில்லை, அது இல்லாவிட்டால் மாடல் ஃபிரேமைச் சுற்றி ஒரு கருப்பு விளிம்பை கூர்மையாக்கும்.
2. 2
   ஒவ்வொரு டைலும் ஒரு planar RGB டென்சராக பேக் செய்யப்படுகிறது

   ஒரு டைல் ஒரு float32 டென்சராக [1, 3, H, W] வடிவில் ஆகிறது, சிவப்பு, பச்சை மற்றும் நீல சேனல்கள் தனித்தனி planes-ஆக சேமிக்கப்பட்டு மதிப்புகள் வெறுமனே 255-ஆல் வகுக்கப்படுகின்றன — எந்த வகையான mean/standard-deviation நார்மலைசேஷனும் இல்லை. ஒவ்வொரு டைலும் சரியாக அதே சதுர அளவிற்கு படிக்கப்படுகிறது, ஏனெனில் WebGPU backend ஒவ்வொரு புதிய இன்புட் வடிவத்திற்கும் அதன் shaders-ஐ மறுதொகுக்கிறது, மூன்று வெவ்வேறு டைல் அளவுகள் கொண்ட ஒரு திட்டம் அந்த செலவை மூன்று முறை செலுத்தும்.
3. 3
   Inference WebGPU இருக்கும் இடத்தில் இயங்குகிறது, இல்லையெனில் CPU-இல்

   செஷன் முதலில் WebGPU-உடன் உருவாக்கப்பட்டு எந்த தோல்விக்கும் single-threaded WebAssembly-க்கு மாறுகிறது — கிராஃபிக்ஸ் டிரைவர்கள் வழக்கமாக ஆதரவை விளம்பரப்படுத்தி பின் கிராஃப் கட்டமைப்பதன் நடுவில் தோல்வியடைகின்றன, மேலும் மெதுவாக இருப்பது உடைந்திருப்பதை விட சிறந்தது. ஃபால்பேக் யதார்த்தமான அளவு வரம்பையும் இயக்க நேரத்தையும் பெரிய காரணியால் மாற்றுவதால், முதல் டைல் இயங்குவதற்கு முன் டூல் அது உண்மையில் பெற்ற வழங்குநருக்கு எதிராக வேலையை மீண்டும் சரிபார்க்கிறது, மேலும் அதன் பின்பு எதைப் பயன்படுத்தியது என்பதை உங்களுக்குச் சொல்கிறது.
4. 4
   டைல்கள் மீண்டும் கிராஸ்-ஃபேட் செய்யப்பட்டு கிளாம்ப் செய்யப்படுகின்றன

   நேரடி-இணைப்பு டைல்கள் ஒரு தெரியும் கிரிட்டை விட்டுவிடும், எனவே ஒவ்வொரு டைலின் பங்களிப்பும் பகிரப்பட்ட ஸ்ட்ரிப் முழுவதும் ஒரு linear ramp மூலம் எடையிடப்படுகிறது. இரண்டு ramps சரியான நிரப்புகள், எனவே எடைகள் ஒவ்வொரு வெளியீட்டு பிக்செலிலும் சரியாக 1-ஆக கூட்டப்படுகின்றன மற்றும் ஒரு seam வழியாக பிரகாசமான அல்லது இருண்ட கோடு தோன்றாது. மாடலின் தூய வெளியீடு கிராஃபிற்குள் clip செய்யப்படவில்லை — அளவிடப்பட்ட மதிப்புகள் சுமார் −0.18 முதல் +1.19 வரை இயங்குகின்றன — எனவே ஒவ்வொரு மாதிரியும் 8-பிட் காஸ்டிற்கு முன் 0–255 வரம்பிற்கு கிளாம்ப் செய்யப்படுகிறது, இது உயர்-கான்ட்ராஸ்ட் விளிம்புகள் வழியாக speckle-ஐ தடுக்கிறது. Alpha தனித்தனியாகவும் bilinear-ஆகவும் மறு-மாதிரி செய்யப்படுகிறது, ஏனெனில் நெட்வொர்க்கிற்கே எந்த alpha பாதையும் இல்லை.
5. 5
   முடிவு worker-இல் என்கோட் செய்யப்படுகிறது

   ஒன்றிணைக்கப்பட்ட பிக்செல்கள் ஒரு OffscreenCanvas-க்கு வரையப்பட்டு உடனடியாக PNG-ஆக என்கோட் செய்யப்படுகின்றன, எனவே Download அழுத்துவது அதற்கு முன் ஒரு அசின்க்ரோனஸ் இடைவெளியைக் கொண்டிருக்காது. JPG-க்கு மாறுவது மாடலை மீண்டும் இயக்குவதற்குப் பதிலாக worker இன்னும் வைத்திருக்கும் கேன்வாஸிலிருந்து மீண்டும் என்கோட் செய்கிறது. ஒரு சிறிய மைய வெட்டும் பிரவுசரால் மறு-மாதிரி செய்யப்பட்ட அதே பகுதியுடன் 100%-இல் ரெண்டர் செய்யப்படுகிறது, இது 4× வேறுபாடு உண்மையில் தெரியும் ஒரே ஒப்பீடு.

தொடர்புடைய கருவிகள்