Libreng Pampalaki ng Larawan

Paano ito Gumagana

Pinapatakbo ng upscaler ang Real-ESRGAN general-x4v3 — isang 4.6 MB na convolutional super-resolution network — gamit ang onnxruntime-web sa loob ng Web Worker sa sarili mong machine. Isang beses kinukuha ang model mula sa sarili naming server, kina-cache, at pagkatapos ay ginagamit offline; dine-decode nang lokal ang larawan mo sa isang canvas at hindi kailanman ina-upload. Nakapirmi sa 4× ang scale factor, dahil nakabaon ito sa graph sa dalawang lugar.

1. 1
   Hinahati ang larawan sa mga nagsasapaw na tile

   Labing-anim na beses ang pixel ng 4× na resulta, kaya ang 4000×3000 na larawan ay magiging 192 megapixel — sapat para tuluyang patayin ang browser tab sa halip na pabagalin lang. Sa halip, hinahati ang larawan sa mga core na eksaktong bumabalot dito, at binabasa ang bawat core na may dagdag na margin ng konteksto sa bawat panig para may totoong katabing pixel ang convolution stack (na 34 pixel ang receptive field). Edge-replicated ang mga gilid, hindi kailanman zero-padded, dahil kung hindi ay patatalasin ng model ang isang itim na gilid sa paligid ng frame.
2. 2
   Ini-empake ang bawat tile bilang planar na RGB tensor

   Nagiging float32 tensor na may hugis na [1, 3, H, W] ang isang tile, na nakatago sa magkakahiwalay na plane ang pula, berde at asul na channel at hinati lang sa 255 ang mga halaga — walang anumang mean/standard-deviation na normalisation. Pina-pad ang bawat tile sa eksaktong parehong square na laki, dahil kino-compile ulit ng WebGPU backend ang mga shader nito para sa bawat bagong hugis ng input at ang planong may tatlong magkakaibang laki ng tile ay magbabayad ng gastos na iyon nang tatlong beses.
3. 3
   Tumatakbo ang inference sa WebGPU kung mayroon, kung wala ay sa CPU

   Unang ginagawa ang session gamit ang WebGPU at lumilipat sa single-threaded na WebAssembly sa anumang pagpalya — madalas mag-anunsyo ng suporta ang mga graphics driver at pagkatapos ay pumapalya sa gitna ng pagbuo ng graph, at mas mabuti ang mabagal kaysa sira. Dahil malaki ang binabago ng fallback sa makatotohanang limit sa laki at sa tagal ng takbo, sinusuri ulit ng tool ang trabaho laban sa provider na aktuwal nitong nakuha bago tumakbo ang unang tile, at sinasabi sa iyo pagkatapos kung alin ang ginamit.
4. 4
   Pinagsasama ulit ang mga tile gamit ang cross-fade at kina-clamp

   Nag-iiwan ng nakikitang grid ang basta pagdudugtong ng mga tile, kaya binibigyan ng bigat ang ambag ng bawat tile gamit ang linear ramp sa pinagsasaluhang strip. Eksaktong magkakomplemento ang dalawang ramp, kaya eksaktong 1 ang suma ng mga bigat sa bawat output pixel at walang maliwanag o madilim na linyang lumalabas sa dugtungan. Hindi kina-clip sa loob ng graph ang raw na output ng model — mula mga −0.18 hanggang +1.19 ang nasukat na halaga — kaya kina-clamp ang bawat sample sa saklaw na 0–255 bago ang 8-bit cast, na siyang pumipigil sa mga batik sa mga gilid na mataas ang contrast. Hiwalay at bilinear na nire-resample ang alpha, dahil walang alpha path ang network mismo.
5. 5
   Ine-encode ang resulta sa worker

   Iginuguhit ang nabuong mga pixel sa isang OffscreenCanvas at agad ine-encode sa PNG, kaya walang asynchronous na puwang bago ang pagpindot sa Download. Ang paglipat sa JPG ay nire-re-encode mula sa canvas na hawak pa ng worker sa halip na patakbuhin ulit ang model. Nire-render din sa 100% ang isang maliit na crop sa gitna kasama ang parehong bahagi na nire-resample ng browser, na siyang tanging paghahambing kung saan talagang nakikita ang pagkakaiba ng 4×.

Mga Kaugnay na Tool