Jak działa powiększanie obrazów AI i kiedy warto go używać

Zmiana rozmiaru to nie powiększanie

Gdy zwykły program powiększa obraz, interpoluje: rozkłada piksele, które już masz, na większym płótnie i wypełnia luki średnimi z ich sąsiadów. Metoda najbliższego sąsiada kopiuje piksele i daje efekt klocków. Interpolacja dwuliniowa i dwusześcienna miesza je i daje rozmycie. Lanczos, najlepszy z klasycznych filtrów, nieco lepiej zachowuje krawędzie, ale żadna metoda interpolacji nie potrafi dodać informacji. Zdjęcie 800×600 zawiera 480 000 pikseli prawdziwych danych; przeskaluj je do 3200×2400, a prosisz, by 7,2 miliona pikseli opisać tymi samymi 480 000 wartościami. Tych brakujących 93% to powód, dla którego powiększenia wyglądają na rozmyte: danych po prostu nie ma.

Superrozdzielczość: wnioskowanie brakujących szczegółów

Superrozdzielczość AI podchodzi do sprawy odwrotnie. Zamiast uśredniać istniejące piksele, przewiduje brakujące, korzystając z wiedzy wyuczonej na milionach par obrazów. Podczas treningu sieć dostaje ostrą fotografię i jej celowo zepsutą kopię (zmniejszoną, rozmytą, zaszumioną i zmiażdżoną kompresją JPEG), a potem jest oceniana za to, jak dobrze odtworzy oryginał. Powtórz to miliony razy, a sieć przyswoi sobie, jak w wysokiej rozdzielczości wyglądają cegła, tkanina, sierść, liście i skóra, oraz jak każde z nich degraduje się, gdy obraz się kurczy.

Real-ESRGAN, otwartoźródłowy model, na którym działa ta strona, to rozwinięcie tego pomysłu o dwie sztuczki, które mają praktyczne znaczenie. Po pierwsze, to generatywna sieć przeciwstawna: druga sieć, „krytyk”, uczy się odróżniać prawdziwe zdjęcia od rekonstrukcji, zmuszając generator do tworzenia faktury, która wygląda fotograficznie, a nie bezpiecznie gładko. Po drugie, model trenowano na realistycznym potoku degradacji (losowe kombinacje rozmycia, szumu matrycy, zmiany rozmiaru i kompresji), więc radzi sobie z niedoskonałymi obrazami, jakie ludzie naprawdę mają, a nie tylko z laboratoryjnymi zmniejszeniami. Użyty tu wariant, realesr-general-x4v3, to kompaktowa wersja ogólnego przeznaczenia: około 5 MB wag, które dają dokładnie 4× rozdzielczości wejściowej.

Dlaczego to działa teraz w karcie przeglądarki

Do niedawna ta klasa modeli wymagała aplikacji desktopowej z GPU NVIDIA albo farmy serwerów, dlatego większość internetowych narzędzi do powiększania wysyła Twój obraz do chmury. Zmieniły to dwie rzeczy. ONNX Runtime Web sprawił, że uruchamianie prawdziwych sieci neuronowych w środowiskach JavaScript stało się praktyczne, a WebGPU dało kodowi w przeglądarce bezpośredni dostęp do Twojej karty graficznej. Chrome, Edge i Safari udostępniają dziś wystarczająco dużo mocy obliczeniowej GPU, by uruchomić sieć superrozdzielczości o wadze 5 MB z interaktywną szybkością; tam, gdzie WebGPU nie jest dostępne, ten sam model przełącza się na tryb zapasowy WebAssembly na CPU: wolniej, ale z identycznym wynikiem.

Jeden szczegół inżynierski zauważysz na pasku postępu: obraz jest przetwarzany w kafelkach po 192 piksele z nakładką 8 pikseli, a nie w jednym przebiegu. Kafelkowanie utrzymuje stałe zużycie pamięci GPU niezależnie od rozmiaru obrazu, a nakładka daje każdemu kafelkowi kontekst od sąsiadów, więc w złożonym wyniku szwy są niewidoczne. To ta sama technika, której narzędzia desktopowe używają przy bardzo dużych plikach.

Czego się spodziewać: uczciwe liczby

Szybkość zależy niemal wyłącznie od tego, którego silnika może użyć Twoja przeglądarka. Oto nasze zmierzone czasy dla modelu 4× z tej strony na laptopie z procesorem Apple Silicon w Chrome (sierpień 2026):

Twój sprzęt będzie się różnił: komputer do gier pobije te liczby, starszy telefon ich nie osiągnie. Pierwsza wizyta pobiera też jednorazowo silnik i model (około 10 MB) i kompiluje shadery GPU przy pierwszym uruchomieniu; potem wszystko jest zapisane lokalnie w pamięci podręcznej, a kolejne uruchomienia startują natychmiast.

Kiedy powiększanie 4× pomaga

• Druk. Druk potrzebuje ~300 DPI, a ekrany ~100. Zdjęcie 1200×900 z internetu drukuje się dobrze tylko w formacie 4×3 cale; powiększone do 4800×3600 pokrywa odbitkę 16×12 cali w pełnych 300 DPI.
• Stare zdjęcia i zdjęcia o niskiej rozdzielczości. Wczesne aparaty cyfrowe, pobrane kopie zaginionych oryginałów, małe skany: to klasyczny przypadek renowacji i tu model błyszczy.
• Logotypy, grafika i tekstury z gier. Real-ESRGAN dobrze radzi sobie z krawędziami ilustracji, a wynik 4× daje Ci przestrzeń na kadrowanie, powiększanie lub ponowny montaż.
• Miniatury, których potrzebujesz w pełnym rozmiarze. Zdjęcia produktów, okładki albumów, awatary: wszędzie tam, gdzie jedyna zachowana kopia jest mała.

…i kiedy nie pomoże

• Drobny tekst. Superrozdzielczość odtwarza fakturę, nie język. Nieczytelny tekst zwykle zmienia się w ostre, ale błędne kształty.
• Mocno zniszczone twarze. Ten ogólny model nie ma osobnego etapu odnawiania twarzy; twarz, która jest 30-pikselową plamą, pozostanie (ostrzejszą) plamą.
• Obrazy już ostre. Jeśli zdjęcie jest ostre w natywnym rozmiarze, 4× daje Ci głównie większy plik. Powiększaj, gdy masz konkretną potrzebę tych pikseli.

Powiększanie bez wysyłania czegokolwiek

Większość internetowych narzędzi do powiększania to usługi w chmurze: Twoje zdjęcie jest przesyłane na ich serwery, tam przetwarzane, a wynik odsyłany z powrotem. Te lepsze obiecują usunięcie „w ciągu 24 godzin”, czego nie da się zweryfikować i co i tak przyznaje, że wysyłka miała miejsce. Ponieważ model tutaj działa wewnątrz Twojej przeglądarki, cała ta kategoria ryzyka znika: zdjęcia rodzinne, skany dokumentów tożsamości, niepublikowane zdjęcia produktów i prace dla klientów w ogóle nie przechodzą przez sieć. Możesz obserwować inspektor sieci podczas pracy albo przejść w tryb offline po załadowaniu strony; narzędzie działa dalej, bo nic, czego potrzebuje, nie jest zdalne.

Ta architektura to także powód, dla którego narzędzie jest darmowe bez haczyka: nie mamy rachunku za GPU do odzyskania, więc nie ma kredytów, limitów, kont ani znaków wodnych. Twoja maszyna wykonuje pracę; Ty zatrzymujesz wynik.

Jak uzyskać najlepsze wyniki

• Podaj najmniej skompresowaną kopię, jaką masz: oryginalny PNG bije ponownie zapisany JPEG tego samego obrazu.
• Najpierw przytnij, potem powiększ, żeby model wydał swój budżet 4× na piksele, na których naprawdę Ci zależy (i zmieścił się w limitach rozmiaru).
• Porównuj suwakiem przy powiększeniu 100%; różnice w fakturze są niewidoczne, gdy wynik jest ściśnięty do podglądu.
• Zachowaj wynik PNG do edycji lub druku; kompresuj do JPEG lub WebP tylko na samym końcu, jeśli w ogóle.