AI इमेज अपस्केलिंग कैसे काम करती है, और इसे कब इस्तेमाल करें

रीसाइज़ करना अपस्केल करना नहीं है

जब आम सॉफ़्टवेयर किसी इमेज को बड़ा करता है, तो वह इंटरपोलेट करता है: आपके पास जो पिक्सेल पहले से हैं, उन्हें बड़े कैनवास पर फैला देता है और बीच की खाली जगह उनके पड़ोसी पिक्सेल के औसत से भर देता है। नियरेस्ट-नेबर पिक्सेल की नकल करता है और ब्लॉक जैसा दिखता है। बाइलिनियर और बाइक्यूबिक उन्हें आपस में मिलाते हैं और धुंधले दिखते हैं। Lanczos, क्लासिकल फ़िल्टरों में सबसे अच्छा, किनारों को थोड़ा बेहतर बचाता है, लेकिन कोई भी इंटरपोलेशन तरीका जानकारी जोड़ नहीं सकता। 800×600 की फ़ोटो में 480,000 पिक्सेल की असली जानकारी होती है; उसे 3200×2400 करने पर आप 7.2 मिलियन पिक्सेल को उन्हीं 480,000 मानों से बयान करने को कह रहे हैं। वह ग़ायब 93% ही वजह है कि बड़ी की गई इमेज धुंधली दिखती हैं: डेटा बस वहाँ है ही नहीं।

सुपर-रेज़ोल्यूशन: ग़ायब डिटेल का अनुमान लगाना

AI सुपर-रेज़ोल्यूशन उल्टा रास्ता अपनाता है। मौजूदा पिक्सेल का औसत निकालने के बजाय यह ग़ायब पिक्सेल का अनुमान लगाता है, लाखों इमेज-जोड़ियों से सीखे ज्ञान के आधार पर। ट्रेनिंग के दौरान नेटवर्क को एक साफ़ फ़ोटो और उसकी जान-बूझकर बिगाड़ी गई कॉपी (छोटी की हुई, धुंधली, नॉइज़ वाली और JPEG से कुचली हुई) दिखाई जाती है, और उसे इस बात पर नंबर मिलते हैं कि वह मूल को कितनी अच्छी तरह फिर से बनाता है। यही लाखों बार दोहराइए, और नेटवर्क सीख लेता है कि ईंट, कपड़ा, फ़र, पत्ते और त्वचा हाई रेज़ोल्यूशन में कैसे दिखते हैं, और इमेज सिकुड़ने पर इनमें से हर एक कैसे बिगड़ता है।

Real-ESRGAN, वह ओपन-सोर्स मॉडल जो यह साइट चलाती है, उसी विचार का परिष्कृत रूप है, जिसमें दो ऐसी तरकीबें हैं जो व्यवहार में मायने रखती हैं। पहली, यह एक जेनरेटिव एडवर्सेरियल नेटवर्क है: एक दूसरा "आलोचक" नेटवर्क असली फ़ोटो और पुनर्निर्माण में फ़र्क करना सीखता है, जिससे जेनरेटर को ऐसी बनावट बनानी पड़ती है जो सुरक्षित रूप से चिकनी नहीं, बल्कि फ़ोटो जैसी लगे। दूसरी, इसे एक यथार्थवादी डिग्रेडेशन पाइपलाइन (धुंधलापन, सेंसर नॉइज़, रीसाइज़िंग और कम्प्रेशन के बेतरतीब मेल) पर ट्रेन किया गया है, इसलिए यह उन गड़बड़ इमेज को संभाल लेता है जो लोगों के पास असल में होती हैं, न कि सिर्फ़ लैब में छोटी की गई इमेज। यहाँ इस्तेमाल होने वाला वेरिएंट, realesr-general-x4v3, एक कॉम्पैक्ट सामान्य-उपयोग बिल्ड है: लगभग 5 MB के वेट, जो इनपुट रेज़ोल्यूशन का ठीक 4× आउटपुट देते हैं।

यह अब ब्राउज़र टैब में क्यों चलता है

हाल तक इस तरह के मॉडल को NVIDIA GPU वाला डेस्कटॉप ऐप या सर्वर फ़ार्म चाहिए होता था, इसीलिए ज़्यादातर ऑनलाइन अपस्केलर आपकी इमेज क्लाउड पर अपलोड करते हैं। दो चीज़ें बदलीं। ONNX Runtime Web ने JavaScript वातावरण में असली न्यूरल नेटवर्क चलाना व्यावहारिक बना दिया, और WebGPU ने ब्राउज़र कोड को आपके ग्राफ़िक्स कार्ड तक सीधी पहुँच दी। Chrome, Edge और Safari अब इतना GPU कंप्यूट देते हैं कि 5 MB का सुपर-रेज़ोल्यूशन नेटवर्क इंटरैक्टिव रफ़्तार से चल सके; जहाँ WebGPU उपलब्ध नहीं है, वही मॉडल CPU पर WebAssembly फ़ॉलबैक पर चलता है: धीमा, लेकिन बिल्कुल वही आउटपुट।

एक इंजीनियरिंग बारीकी जो आपको प्रोग्रेस बार में दिखेगी: इमेज एक बार में नहीं, बल्कि 8-पिक्सेल ओवरलैप वाली 192-पिक्सेल टाइलों में प्रोसेस होती है। टाइलिंग से GPU मेमोरी स्थिर रहती है, इमेज चाहे कितनी भी बड़ी हो, और ओवरलैप हर टाइल को उसके पड़ोसियों का संदर्भ देता है, ताकि जोड़ने पर सीवन दिखाई न दे। बहुत बड़ी फ़ाइलों के लिए डेस्कटॉप टूल भी यही तकनीक इस्तेमाल करते हैं।

क्या उम्मीद करें: ईमानदार आँकड़े

रफ़्तार लगभग पूरी तरह इस पर निर्भर करती है कि आपका ब्राउज़र कौन सा इंजन इस्तेमाल कर पाता है। ये Chrome में Apple-सिलिकॉन लैपटॉप पर इस साइट के 4× मॉडल की हमारी मापी हुई टाइमिंग हैं (अगस्त 2026):

आपका हार्डवेयर अलग होगा: गेमिंग PC इन आँकड़ों से आगे निकल जाएगा, पुराना फ़ोन इन तक नहीं पहुँचेगा। पहली विज़िट पर इंजन और मॉडल एक बार डाउनलोड होते हैं (लगभग 10 MB) और पहली बार चलाने पर GPU शेडर कंपाइल होते हैं; उसके बाद सब कुछ लोकल कैश में रहता है और बाद के रन तुरंत शुरू होते हैं।

4× अपस्केलिंग कब काम आती है

• प्रिंटिंग। प्रिंट को ~300 DPI चाहिए, जबकि स्क्रीन को ~100। 1200×900 की वेब फ़ोटो सिर्फ़ 4×3 इंच पर अच्छी छपती है; 4800×3600 तक अपस्केल करने पर वह पूरे 300 DPI पर 16×12 इंच का प्रिंट कवर करती है।
• पुरानी और कम-रेज़ोल्यूशन फ़ोटो। शुरुआती डिजिटल कैमरे, खो चुके मूल की डाउनलोड की हुई कॉपी, छोटे स्कैन: यह क्लासिक रेस्टोरेशन का मामला है, और यहीं मॉडल सबसे ज़्यादा चमकता है।
• लोगो, आर्टवर्क और गेम टेक्सचर। Real-ESRGAN इलस्ट्रेशन के किनारों को अच्छी तरह संभालता है, और 4× आउटपुट आपको क्रॉप करने, ज़ूम करने या फिर से कंपोज़ करने की गुंजाइश देता है।
• थंबनेल जो आपको पूरे साइज़ में चाहिए। प्रोडक्ट शॉट, एल्बम आर्ट, अवतार: जहाँ भी बची हुई इकलौती कॉपी छोटी है।

…और कब नहीं

• बहुत छोटा टेक्स्ट। सुपर-रेज़ोल्यूशन बनावट फिर से बनाता है, भाषा नहीं। अपठनीय टेक्स्ट आमतौर पर साफ़-लेकिन-ग़लत आकृतियों में बदल जाता है।
• बुरी तरह बिगड़े चेहरे। इस सामान्य मॉडल में चेहरे सुधारने का अलग चरण नहीं है; जो चेहरा 30-पिक्सेल का धब्बा है, वह (थोड़ा साफ़) धब्बा ही रहेगा।
• पहले से साफ़ इमेज। अगर फ़ोटो अपने मूल साइज़ पर पहले से क्रिस्प है, तो 4× से ज़्यादातर सिर्फ़ फ़ाइल साइज़ बढ़ता है। अपस्केल तब करें जब आपको पिक्सेल की ठोस ज़रूरत हो।

बिना कुछ अपलोड किए अपस्केलिंग

ज़्यादातर ऑनलाइन अपस्केलर क्लाउड सेवाएँ हैं: आपकी फ़ोटो उनके सर्वर पर भेजी जाती है, वहाँ प्रोसेस होती है और नतीजा वापस आता है। बेहतर वाले "24 घंटे के भीतर" डिलीट करने का वादा करते हैं, एक ऐसा वादा जिसे आप जाँच नहीं सकते और जो फिर भी यह मानता है कि अपलोड हुआ था। क्योंकि यहाँ मॉडल आपके ब्राउज़र के अंदर चलता है, जोखिम की वह पूरी श्रेणी ग़ायब हो जाती है: पारिवारिक फ़ोटो, ID स्कैन, अभी जारी न हुए प्रोडक्ट शॉट और क्लाइंट का काम नेटवर्क पार करते ही नहीं। आप काम करते हुए नेटवर्क इंस्पेक्टर देख सकते हैं, या पेज लोड होने के बाद ऑफ़लाइन हो सकते हैं; अपस्केलर चलता रहता है, क्योंकि उसे जो चाहिए उसमें से कुछ भी रिमोट नहीं है।

यही बनावट वजह है कि यह बिना किसी शर्त के मुफ़्त है: हमारे पास वसूलने को कोई GPU बिल नहीं है, इसलिए न क्रेडिट हैं, न कोटा, न अकाउंट, न वॉटरमार्क। काम आपकी मशीन करती है; नतीजा आपका रहता है।

सबसे अच्छे नतीजे कैसे पाएँ

• इसे अपने पास मौजूद सबसे कम कम्प्रेस की हुई कॉपी दें: मूल PNG उसी इमेज की दोबारा सेव की हुई JPEG से बेहतर है।
• पहले क्रॉप करें, फिर अपस्केल, ताकि मॉडल अपना 4× बजट उन्हीं पिक्सेल पर खर्च करे जो आपके लिए असल में मायने रखते हैं (और साइज़ सीमा के भीतर रहे)।
• स्लाइडर से 100% ज़ूम पर तुलना करें; नतीजे को प्रीव्यू में सिकोड़ने पर बनावट का फ़र्क दिखता ही नहीं।
• एडिटिंग या प्रिंट के लिए PNG आउटपुट रखें; JPEG या WebP में दोबारा कम्प्रेस सिर्फ़ आख़िरी चरण के रूप में करें, वह भी अगर ज़रूरी हो।