ตัวขยายภาพ ฟรี

วิธีการทำงาน

ตัวขยายภาพทำงานด้วย Real-ESRGAN general-x4v3 — โครงข่ายซูเปอร์เรโซลูชันแบบคอนโวลูชันขนาด 4.6 MB — ผ่าน onnxruntime-web ภายใน Web Worker บนเครื่องของคุณเอง โมเดลถูกดึงมาครั้งเดียวจากเซิร์ฟเวอร์ของเราเอง แคชไว้ แล้วใช้งานแบบออฟไลน์ต่อไป รูปภาพของคุณถูกถอดรหัสลงบน canvas ในเครื่องและไม่เคยถูกอัปโหลด ตัวคูณสเกลถูกกำหนดไว้ที่ 4× เพราะมันฝังอยู่ในกราฟสองแห่ง

1. 1
   รูปภาพถูกตัดเป็นไทล์ที่ซ้อนทับกัน

   ผลลัพธ์ 4× มีพิกเซลมากกว่าสิบหกเท่า ดังนั้นรูปภาพขนาด 4000×3000 จะกลายเป็น 192 ล้านพิกเซล — มากพอที่จะทำให้แท็บเบราว์เซอร์ตายทันทีแทนที่จะแค่ช้าลง แทนที่จะทำเช่นนั้น ภาพจะถูกแบ่งเป็นแกนที่ปูซ้อนกันพอดี และแต่ละแกนถูกอ่านพร้อมขอบเขตบริบทเพิ่มเติมทุกด้าน เพื่อให้ชุดคอนโวลูชัน (ซึ่งมีขอบเขตการรับรู้ 34 พิกเซล) มีพิกเซลข้างเคียงจริงให้ทำงานด้วย ขอบถูกทำซ้ำ (edge-replicated) ไม่ใช่เติมศูนย์ ซึ่งมิเช่นนั้นจะทำให้โมเดลลับคมขอบดำรอบเฟรม
2. 2
   แต่ละไทล์ถูกบรรจุเป็นเทนเซอร์ RGB แบบระนาบ

   กระเบื้องหนึ่งชิ้นกลายเป็นเทนเซอร์ float32 รูปทรง [1, 3, H, W] โดยเก็บช่องสีแดง เขียว และน้ำเงินแยกเป็นระนาบ และหารค่าด้วย 255 ธรรมดา — ไม่มีการทำ normalization แบบ mean/standard-deviation ใดๆ ทุกกระเบื้องถูกเติมให้เป็นสี่เหลี่ยมจัตุรัสขนาดเท่ากันทุกประการ เพราะแบ็กเอนด์ WebGPU คอมไพล์ shader ใหม่สำหรับแต่ละรูปทรงอินพุตใหม่ และแผนที่มีกระเบื้องสามขนาดต่างกันจะต้องจ่ายต้นทุนนั้นสามครั้ง
3. 3
   การอนุมานทำงานบน WebGPU หากมี มิฉะนั้นทำงานบน CPU

   เซสชันถูกสร้างขึ้นด้วย WebGPU ก่อนและจะย้อนกลับไปใช้ WebAssembly แบบเธรดเดียวเมื่อเกิดความล้มเหลวใดๆ — ไดรเวอร์กราฟิกมักจะแจ้งว่ารองรับแล้วล้มเหลวกลางคันขณะสร้างกราฟ และช้าดีกว่าพัง เนื่องจากการย้อนกลับเปลี่ยนขีดจำกัดขนาดที่เป็นจริงและเวลาที่ใช้อย่างมาก เครื่องมือจึงตรวจสอบงานอีกครั้งกับผู้ให้บริการที่ได้รับจริงก่อนที่กระเบื้องแรกจะทำงาน และแจ้งให้คุณทราบภายหลังว่าใช้ตัวไหน
4. 4
   ไทล์ถูกผสมกลับเข้าด้วยกันแบบ cross-fade และถูกจำกัดค่า

   การต่อกระเบื้องแบบชนขอบทิ้งกริดที่มองเห็นได้ไว้ ดังนั้นการมีส่วนร่วมของแต่ละกระเบื้องจึงถูกถ่วงน้ำหนักด้วยความชันเชิงเส้นข้ามแถบที่ใช้ร่วมกัน ความชันทั้งสองเป็นส่วนเติมเต็มที่แน่นอน ดังนั้นน้ำหนักจึงรวมกันได้พอดี 1 ที่ทุกพิกเซลผลลัพธ์ และไม่มีเส้นสว่างหรือมืดปรากฏตามรอยต่อ ผลลัพธ์ดิบของโมเดลไม่ถูกตัดค่าภายในกราฟ — ค่าที่วัดได้อยู่ระหว่างประมาณ −0.18 ถึง +1.19 — ดังนั้นแต่ละตัวอย่างจึงถูกจำกัดให้อยู่ในช่วง 0–255 ก่อนแปลงเป็น 8 บิต ซึ่งเป็นสิ่งที่ป้องกันจุดด่างตามขอบที่มีความคมชัดสูง อัลฟาถูกสุ่มตัวอย่างใหม่แยกต่างหากแบบไบลิเนียร์ เพราะเครือข่ายเองไม่มีเส้นทางอัลฟา
5. 5
   ผลลัพธ์ถูกเข้ารหัสใน worker

   พิกเซลที่ประกอบเสร็จแล้วถูกวาดลง OffscreenCanvas และเข้ารหัสเป็น PNG ทันที ดังนั้นการกดดาวน์โหลดจึงไม่มีช่องว่างแบบอะซิงโครนัสอยู่ข้างหน้า การสลับไปเป็น JPG จะเข้ารหัสใหม่จาก canvas ที่ worker ยังคงถืออยู่ แทนที่จะรันโมเดลอีกครั้ง ภาพครอบตรงกลางขนาดเล็กยังถูกเรนเดอร์ที่ 100% ควบคู่กับบริเวณเดียวกันที่สุ่มตัวอย่างใหม่โดยเบราว์เซอร์ ซึ่งเป็นการเปรียบเทียบเดียวที่ความแตกต่าง 4× จะมองเห็นได้จริง

เครื่องมือที่เกี่ยวข้อง