مفت تصویر بڑی کرنے والا

یہ کیسے کام کرتا ہے

Upscaler Real-ESRGAN general-x4v3 چلاتا ہے — ایک 4.6 MB convolutional super-resolution نیٹ ورک — onnxruntime-web کے ذریعے آپ کی اپنی مشین پر ایک Web Worker کے اندر۔ ماڈل ہمارے own سرور سے ایک بار لایا جاتا ہے، کیش کیا جاتا ہے، اور پھر آف لائن استعمال ہوتا ہے؛ آپ کی تصویر مقامی طور پر ایک کینوس پر ڈی کوڈ کی جاتی ہے اور کبھی اپ لوڈ نہیں ہوتی۔ اسکیل فیکٹر 4× پر مقرر ہے، کیونکہ یہ گراف میں دو جگہوں پر مضبوطی سے پکایا گیا ہے۔

1. 1
   تصویر کو اوورلیپنگ ٹائلز میں کاٹا جاتا ہے

   ایک 4× نتیجہ سولہ گنا زیادہ پکسلز ہوتا ہے، تو ایک 4000×3000 تصویر 192 میگاپکسل ہوگی — براؤزر ٹیب کو صرف سست کرنے کی بجائے مکمل طور پر ختم کرنے کے لیے کافی۔ اس کے بجائے تصویر کو cores میں تقسیم کیا جاتا ہے جو اسے عین طور پر ٹائل کرتے ہیں، اور ہر core کو ہر طرف اضافی سیاق و سباق کے حاشیے کے ساتھ پڑھا جاتا ہے تاکہ convolution اسٹیک (جس کا receptive field 34 پکسل ہے) کے پاس کام کرنے کے لیے حقیقی ملحقہ پکسلز ہوں۔ حدود edge-replicated ہیں، کبھی zero-padded نہیں، جو ورنہ ماڈل کو فریم کے گرد ایک سیاہ کنارہ تیز کرنے پر مجبور کرے گا۔
2. 2
   ہر ٹائل ایک planar RGB tensor کے طور پر پیک کی جاتی ہے

   ایک ٹائل [1, 3, H, W] شکل کا float32 tensor بن جاتی ہے جس میں سرخ، سبز اور نیلے چینلز الگ planes کے طور پر محفوظ ہیں اور اقدار صرف 255 سے تقسیم ہیں — کسی بھی قسم کی mean/standard-deviation نارملائزیشن نہیں۔ ہر ٹائل کو بالکل ایک جیسے مربع سائز میں پیڈ کیا جاتا ہے، کیونکہ WebGPU backend ہر نئی ان پٹ شکل کے لیے اپنے shaders دوبارہ compile کرتا ہے اور تین مختلف ٹائل سائزوں والا منصوبہ یہ لاگت تین بار ادا کرے گا۔
3. 3
   Inference جہاں موجود ہو WebGPU پر چلتا ہے، ورنہ CPU پر

   سیشن پہلے WebGPU کے ساتھ بنایا جاتا ہے اور کسی بھی ناکامی پر single-threaded WebAssembly پر واپس آتا ہے — گرافکس ڈرائیورز معمول کے مطابق حمایت کا اعلان کرتے ہیں اور پھر گراف بناتے وقت درمیان میں ناکام ہو جاتے ہیں، اور سست ٹوٹے ہوئے سے بہتر ہے۔ چونکہ fallback حقیقت پسندانہ سائز کی حد اور رن ٹائم کو بڑے فیکٹر سے تبدیل کرتا ہے، ٹول پہلی ٹائل چلنے سے پہلے کام کو دوبارہ اسی provider کے خلاف چیک کرتا ہے جو اسے حقیقت میں ملا، اور بعد میں آپ کو بتاتا ہے کون سا استعمال ہوا۔
4. 4
   ٹائلز کو واپس crossfade کیا جاتا ہے اور clamp کیا جاتا ہے

   ٹائلز کو سرے سے جوڑنا ایک نظر آنے والا گرڈ چھوڑ دیتا ہے، اس لیے ہر ٹائل کا حصہ مشترکہ پٹی پر ایک لکیری ramp سے وزن دیا جاتا ہے۔ دونوں ramps عین تکمیلی ہیں، اس لیے وزن ہر آؤٹ پٹ پکسل پر بالکل 1 تک جمع ہوتے ہیں اور کسی جوڑ کے ساتھ کوئی روشن یا تاریک لائن نظر نہیں آتی۔ ماڈل کا خام آؤٹ پٹ گراف کے اندر clip نہیں کیا جاتا — ناپی گئی اقدار تقریباً −0.18 سے +1.19 تک چلتی ہیں — اس لیے 8-بٹ cast سے پہلے ہر نمونہ 0–255 رینج پر clamp کیا جاتا ہے، جو high-contrast کناروں کے ساتھ speckle کو روکتا ہے۔ Alpha الگ اور bilinearly دوبارہ نمونہ لیا جاتا ہے، کیونکہ نیٹ ورک خود میں کوئی alpha راستہ نہیں ہے۔
5. 5
   نتیجہ worker میں انکوڈ کیا جاتا ہے

   جمع شدہ پکسلز ایک OffscreenCanvas پر کھینچے جاتے ہیں اور فوراً PNG میں انکوڈ کیے جاتے ہیں، تاکہ Download دبانے کے سامنے کوئی غیر ہم وقتی فرق نہ ہو۔ JPG پر تبدیل کرنا اس کینوس سے دوبارہ انکوڈ کرتا ہے جسے worker ابھی بھی رکھے ہوئے ہے بجائے دوبارہ ماڈل چلانے کے۔ ایک چھوٹا مرکزی crop بھی 100% پر ساتھ ساتھ اسی خطے کے ساتھ رینڈر کیا جاتا ہے جسے براؤزر نے دوبارہ نمونہ لیا ہو، جو واحد موازنہ ہے جس پر 4× فرق حقیقت میں نظر آتا ہے۔

متعلقہ ٹولز