AI 이미지 인핸서 가이드

ESRGAN 신경망 추론을 사용하여 저해상도 이미지를 최대 4배까지 업스케일링하세요. 선명도를 높이고 노이즈를 줄이며 디테일을 복구합니다. 처리는 ConvertCraft 서버에서 20분 시간 제한으로 수행됩니다.

필요한 사항

브라우저 — Chrome, Firefox, Safari 또는 Edge 형식 — JPG, JPEG, PNG, WEBP, AVIF 또는 GIF 제한 — 파일당 20MB (20MB를 초과하는 파일은 거부됨).

이미지 향상 방법

브라우저에서 AI Image Enhancer를 엽니다. 파일 탐색기에서 이미지 파일을 드래그하여 업로드 영역에 놓으세요. 또는 업로드 영역을 클릭하여 기기에서 파일을 선택할 수 있습니다.

업로드 전 파일이 20MB 제한 미만인지 확인하세요. 이 기준을 초과하는 파일은 거부됩니다. 업스케일링 배율(2배 또는 4배)을 선택하세요.

2배 설정은 이미지 크기를 두 배로 늘리며 적절한 디테일 복구를 제공합니다. 4배 설정은 크기를 네 배로 늘리며 최대 디테일 복구를 제공하지만 처리 시간이 크게 증가합니다. 향상 버튼을 클릭하세요.

엔진이 HTTP POST를 통해 이미지를 서버로 업로드합니다. 서버 측 ESRGAN 모델이 GPU 추론을 사용하여 이미지를 처리합니다. 이는 신경망으로, 학습된 가중치를 사용하여 저해상도 입력에서 고해상도 디테일을 예측합니다.

향상된 이미지를 검토하세요. 엔진이 원본과 향상된 버전을 나란히 표시합니다. 결과가 만족스럽다면 다운로드를 진행하세요.

그렇지 않다면 다른 향상 수준을 시도해 보세요. 결과가 만족스러우면 다운로드 버튼을 클릭하세요. 서버가 HTTP 응답을 통해 향상된 이미지를 전달합니다.

브라우저가 이를 기기에 직접 저장합니다. 임시 파일은 다운로드 직후 서버에서 삭제됩니다.

작동 원리

AI Image Enhancer는 저해상도 입력에서 고해상도 디테일을 예측하여 이미지를 업스케일링하는 신경망 모델인 ESRGAN(Enhanced Super-Resolution Generative Adversarial Network)을 사용합니다. 이미지를 업로드하면 브라우저가 멀티파트 폼 업로드 형식의 HTTP POST를 통해 바이너리 데이터를 서버로 전송합니다. 서버는 이미지를 수신하여 신경망 추론을 준비합니다.

서버는 디스크에서 ESRGAN 모델 가중치를 GPU 메모리로 로드합니다. 모델 아키텍처는 컨볼루션 레이어, 배치 정규화 및 leaky ReLU 활성화 함수를 포함하는 여러 개의 RRDB(Residual-in-Residual Dense Blocks)로 구성된 생성기 네트워크로 이루어져 있습니다. 생성기는 저해상도 및 고해상도 이미지 쌍으로 학습되어 저하된 이미지에서 선명한 디테일을 생성하는 방법을 학습했습니다.

엔진은 GPU 메모리 제약에 맞추기 위해 이미지를 일반적으로 128x128 또는 256x256 픽셀의 겹치는 타일로 나누어 처리합니다. 각 타일은 신경망을 독립적으로 통과합니다. 생성기 네트워크는 컨볼루션 레이어를 통해 각 타일을 처리하고, 채널 데이터를 공간 차원으로 재구성하는 픽셀 셔플 작업(서브 픽셀 컨볼루션)을 사용하여 피처 맵을 점진적으로 업샘플링합니다.

4배 업스케일링의 경우, 네트워크는 두 번의 2배 업샘플링 단계를 적용하여 너비와 높이를 각각 2배씩 증가시킵니다.

추론 과정에서 모델은 원본 이미지에 존재하지 않는 고주파 디테일을 예측합니다. 즉, 학습 중에 습득한 패턴을 바탕으로 그럴듯한 질감, 가장자리 선명도 및 미세 구조를 생성합니다. 예를 들어, 저해상도 입력에서 흐릿한 얼굴은 모델이 수백만 개의 학습 예제를 통해 배운 눈 윤곽, 피부 질감 및 머리카락 디테일로 재구성됩니다.

모든 타일을 처리한 후, 엔진은 겹치는 타일 영역을 혼합하여 이음새 아티팩트를 제거함으로써 전체 향상된 이미지를 재구성합니다. 향상된 이미지는 HTTP 응답을 통해 브라우저로 다시 스트리밍됩니다. 서버는 전달 직후 모든 임시 파일과 GPU 메모리 할당을 삭제합니다.

문제가 발생할 경우

업로드 실패: 이미지가 20MB 제한을 초과했습니다. 서버는 이 기준을 엄격하게 적용합니다. 20MB를 초과하는 모든 파일은 지원 범위를 벗어나므로 거부됩니다.

처리 시간 초과: 서버는 이 작업에 대해 20분의 시간 제한을 둡니다. 4배 업스케일링을 사용하는 대형 이미지는 신경망을 통해 더 많은 타일을 처리해야 하므로 이 제한에 도달할 수 있습니다. 2배 업스케일링을 사용하거나 원본 크기를 줄여보세요.

향상된 이미지가 부자연스러움: ESRGAN은 디테일을 예측하는 신경망입니다. 때때로 디테일을 잘못 예측하여 부자연스러운 질감이나 아티팩트가 발생할 수 있습니다. 이는 특히 얼굴(모델이 잘못된 얼굴 특징을 생성할 수 있음)이나 텍스트(모델이 깨진 문자를 생성할 수 있음)에서 흔히 발생합니다.

향상된 이미지가 흐릿함: 원본 이미지에 모델이 예측할 수 있는 충분한 디테일이 부족합니다. ESRGAN은 어느 정도 디테일이 있는 이미지에서 가장 잘 작동합니다. 완전히 흐릿한 이미지는 모델이 향상시킬 고주파 정보가 없으므로 흐릿한 결과가 나옵니다.

### 향상 작업이 오래 걸리는 이유는 무엇인가요?

ESRGAN은 수백만 개의 파라미터를 가진 심층 신경망입니다. 모든 픽셀을 여러 컨볼루션 레이어를 통해 처리하려면 상당한 컴퓨팅 자원이 필요합니다. 업스케일링 배율이 높을수록 출력 이미지의 픽셀 수가 입력 대비 4배(2배 업스케일링 시) 또는 16배(4배 업스케일링 시) 증가하므로 작업량이 기하급수적으로 늘어납니다.

모델은 서버의 GPU에서 실행되는데, 이는 CPU보다 빠르지만 대형 이미지의 경우 상당한 처리 시간이 소요됩니다.

### 처리 중에 이미지는 어떻게 저장되나요?

이미지는 HTTPS를 통해 서버로 전송되고, ESRGAN 모델에 의해 GPU 메모리에서 처리된 후 향상된 결과물로 스트리밍됩니다. 디스크에 임시 파일이 저장되지 않습니다. 응답이 전송된 직후 모든 데이터는 서버 메모리에서 삭제됩니다.

### 20MB보다 큰 이미지를 향상할 수 있나요?

서버는 20MB 파일 크기 제한을 적용합니다. 20MB를 초과하는 모든 파일은 지원 범위를 벗어나므로 거부됩니다. 업로드 전에 이미지 크기를 줄이거나 파일을 압축하세요.