Şəkilləri süni intellektlə böyütmək necə işləyir və nə vaxt lazımdır

Ölçünü dəyişmək böyütmə deyil

Adi proqram şəkli böyüdəndə interpolyasiya edir: artıq mövcud olan pikselləri daha böyük kətana yayır və boşluqları qonşu piksellərin ortalaması ilə doldurur. Ən yaxın qonşu üsulu pikselləri köçürür və pilləli görünür. Bilinear və bikubik üsullar onları qarışdırır və yumşaq, bulanıq görünür. Klassik filtrlərin ən yaxşısı olan Lanczos kənarları bir az daha yaxşı saxlayır, lakin heç bir interpolyasiya üsulu məlumat əlavə edə bilməz. 800×600 foto 480 000 piksel həqiqi məlumat saxlayır; onu 3200×2400 ölçüsünə çatdırsanız, 7,2 milyon pikselin həmin 480 000 dəyərlə təsvir olunmasını istəmiş olursunuz. Böyüdülmüş şəkillərin bulanıq görünməsinin səbəbi o çatışmayan 93%-dir: məlumat sadəcə orada yoxdur.

Super-rezolyusiya: çatışmayan detalların təxmin edilməsi

Süni intellektlə super-rezolyusiya əks yanaşmadan istifadə edir. Mövcud piksellərin ortalamasını götürmək əvəzinə, milyonlarla şəkil cütündən öyrəndiyi biliklərlə çatışmayan pikselləri proqnozlaşdırır. Təlim zamanı şəbəkəyə kəskin foto və onun qəsdən korlanmış nüsxəsi (kiçildilmiş, bulanıqlaşdırılmış, küylü və JPEG ilə əzilmiş) göstərilir və orijinalı nə qədər yaxşı bərpa etməsinə görə qiymətləndirilir. Bunu milyonlarla dəfə təkrarlayın və şəbəkə kərpicin, parçanın, xəzin, yarpaqların və dərinin yüksək rezolyusiyada necə göründüyünü, şəkil kiçildikcə hər birinin necə korlandığını mənimsəyir.

Real-ESRGAN, bu saytın işlətdiyi açıq mənbəli model, bu ideyanın təkmilləşdirilmiş versiyasıdır və praktikada vacib olan iki fəndi var. Birincisi, o, generativ rəqabətli şəbəkədir: ikinci, «tənqidçi» şəbəkə real fotoları bərpa olunmuş şəkillərdən ayırmağa öyrədilir və bu, generatoru ehtiyatla hamarlanmış deyil, fotoqrafik görünən tekstura yaratmağa məcbur edir. İkincisi, o, real korlanma prosesi (bulanıqlıq, sensor küyü, ölçü dəyişmə və sıxılmanın təsadüfi birləşmələri) üzərində öyrədilib, ona görə təkcə laboratoriyada kiçildilmiş şəkillərin deyil, insanların əlində olan qüsurlu şəkillərin də öhdəsindən gəlir. Burada istifadə olunan variant, realesr-general-x4v3, kompakt ümumi təyinatlı versiyadır: girişin rezolyusiyasını düz 4× artıran təxminən 5 MB çəki.

Bu niyə indi brauzer tabında işləyir

Yaxın vaxtlara qədər bu sinif modellər NVIDIA GPU-lu masaüstü proqram və ya server ferması tələb edirdi; onlayn böyüdücülərin çoxunun şəklinizi buluda yükləməsinin səbəbi də budur. İki şey dəyişdi. ONNX Runtime Web real neyron şəbəkələrini JavaScript mühitlərində işlətməyi praktik etdi, WebGPU isə brauzer koduna videokartınıza birbaşa çıxış verdi. Chrome, Edge və Safari artıq 5 MB həcmli super-rezolyusiya şəbəkəsini interaktiv sürətlə işlətmək üçün kifayət qədər GPU hesablama gücü təqdim edir; WebGPU olmayan yerdə eyni model CPU üzərində WebAssembly rejiminə keçir: daha yavaş, amma nəticə eynidir.

Tərəqqi zolağında görəcəyiniz bir mühəndislik detalı: şəkil bir keçiddə deyil, 8 piksel üst-üstə düşmə ilə 192 piksellik fraqmentlərlə emal olunur. Fraqmentlərə bölmə şəklin ölçüsündən asılı olmayaraq GPU yaddaşını sabit saxlayır, üst-üstə düşmə isə hər fraqmentə qonşularından kontekst verir ki, birləşmiş şəkildə tikişlər görünməsin. Masaüstü alətlər də çox böyük fayllar üçün eyni texnikadan istifadə edir.

Nə gözləmək olar: dürüst rəqəmlər

Sürət demək olar ki, tamamilə brauzerinizin hansı mühərrikdən istifadə edə bilməsindən asılıdır. Bunlar bu saytın 4× modeli üçün Apple silicon noutbukda Chrome brauzerində ölçdüyümüz vaxtlardır (avqust 2026):

Sizin avadanlığınızda nəticə fərqli olacaq: oyun kompüteri bu rəqəmləri keçəcək, köhnə telefon onlara çatmayacaq. İlk ziyarətdə mühərrik və model bir dəfə endirilir (təxminən 10 MB) və ilk işə salınmada GPU şeyderləri kompilyasiya olunur; bundan sonra hər şey yerli keşdə saxlanılır və növbəti işə salınmalar dərhal başlayır.

4× böyütmə nə vaxt kömək edir

• Çap. Ekranlara ~100 DPI kifayət edir, çap isə ~300 DPI tələb edir. 1200×900 veb foto yalnız 4×3 düym ölçüsündə yaxşı çap olunur; 4800×3600 ölçüsünə böyüdüləndə tam 300 DPI ilə 16×12 düymlük çapı əhatə edir.
• Köhnə və aşağı rezolyusiyalı fotolar. İlk rəqəmsal kameralar, itmiş orijinalların endirilmiş nüsxələri, kiçik skanlar: bu, klassik bərpa halıdır və modelin ən yaxşı işlədiyi sahədir.
• Loqolar, rəsmlər və oyun teksturaları. Real-ESRGAN illüstrasiya kənarlarının yaxşı öhdəsindən gəlir, 4× nəticə isə kəsmək, yaxınlaşdırmaq və ya yenidən kompozisiya etmək üçün yer verir.
• Tam ölçüdə lazım olan miniatürlər. Məhsul şəkilləri, albom üz qabıqları, avatarlar: yeganə qalan nüsxənin kiçik olduğu hər yerdə.

…və nə vaxt kömək etmir

• Xırda mətn. Super-rezolyusiya dili deyil, teksturanı bərpa edir. Oxunmayan mətn adətən kəskin, amma yanlış formalara çevrilir.
• Ciddi zədələnmiş üzlər. Bu ümumi modeldə ayrıca üz bərpası mərhələsi yoxdur; 30 piksellik ləkə kimi görünən üz (daha kəskin) ləkə olaraq qalacaq.
• Onsuz da kəskin şəkillər. Foto öz ölçüsündə aydındırsa, 4× əsasən yalnız fayl ölçüsünü artırır. Piksellərə konkret ehtiyacınız olanda böyüdün.

Heç nə yükləmədən böyütmək

Onlayn böyüdücülərin çoxu bulud xidmətləridir: fotonuz onların serverlərinə ötürülür, orada emal olunur və nəticə geri göndərilir. Daha yaxşıları «24 saat ərzində» silməyi vəd edir; bu, yoxlaya bilməyəcəyiniz vəddir və yenə də yükləmənin baş verdiyini etiraf edir. Buradakı model brauzerinizin içində işlədiyi üçün bütün bu risk kateqoriyası aradan qalxır: ailə fotoları, şəxsiyyət vəsiqəsi skanları, hələ təqdim olunmamış məhsul şəkilləri və müştəri işləri ümumiyyətlə şəbəkədən keçmir. İşləyərkən şəbəkə inspektoruna baxa və ya səhifə yükləndikdən sonra oflayn rejimə keçə bilərsiniz; böyüdücü işləməyə davam edir, çünki ona lazım olan heç nə uzaqda deyil.

Bu arxitektura həm də alətin heç bir gizli şərt olmadan pulsuz olmasının səbəbidir: ödəməli olduğumuz GPU hesabı yoxdur, ona görə kredit, kvota, hesab və ya su nişanı da yoxdur. İşi sizin kompüteriniz görür; nəticə sizdə qalır.

Ən yaxşı nəticəni necə almaq olar

• Əlinizdə olan ən az sıxılmış nüsxəni verin: orijinal PNG eyni şəklin yenidən saxlanmış JPEG versiyasından yaxşıdır.
• Əvvəlcə kəsin, sonra böyüdün ki, model 4× büdcəsini həqiqətən vacib olan piksellərə sərf etsin (və ölçü limitlərində qalsın).
• Sürgü ilə 100% miqyasda müqayisə edin; nəticə kiçik önizləməyə sıxışdırılanda tekstura fərqləri görünmür.
• Redaktə və ya çap üçün PNG nəticəni saxlayın; JPEG və ya WebP formatına yalnız son addım kimi, ümumiyyətlə lazımdırsa, yenidən sıxın.