Przewodnik po AI Image Enhancer

Skaluj obrazy o niskiej rozdzielczości do 4x za pomocą sieci neuronowej ESRGAN. Popraw ostrość, zredukuj szumy i odzyskaj szczegóły. Przetwarzanie odbywa się na serwerze ConvertCraft z limitem czasu 20 minut.

Czego potrzebujesz

Przeglądarka — Chrome, Firefox, Safari lub Edge Formaty — JPG, JPEG, PNG, WEBP, AVIF lub GIF Limit — 20 MB na plik (każdy plik przekraczający 20 MB zostanie odrzucony).

Ulepszanie obrazu

Otwórz AI Image Enhancer w przeglądarce. Przeciągnij plik obrazu z eksploratora plików i upuść go w strefie przesyłania. Alternatywnie kliknij obszar przesyłania, aby wybrać plik z urządzenia.

Przed przesłaniem upewnij się, że plik ma mniej niż 20 MB — pliki przekraczające ten limit zostaną odrzucone. Wybierz współczynnik skalowania: 2x lub 4x. Ustawienie 2x podwaja wymiary obrazu przy umiarkowanym odzyskiwaniu szczegółów.

Ustawienie 4x czterokrotnie zwiększa wymiary przy maksymalnym odzyskiwaniu szczegółów, ale znacząco wydłuża czas przetwarzania. Kliknij przycisk ulepszania. Silnik przesyła obraz na serwer za pomocą HTTP POST.

Model ESRGAN po stronie serwera przetwarza obraz przy użyciu wnioskowania GPU. Jest to sieć neuronowa, która wykorzystuje wytrenowane wagi do przewidywania szczegółów o wysokiej rozdzielczości na podstawie danych wejściowych o niskiej rozdzielczości. Sprawdź ulepszony obraz.

Silnik wyświetla wersję oryginalną i ulepszoną obok siebie. Jeśli ulepszenie wygląda poprawnie, przejdź do pobierania. Jeśli nie, wypróbuj inny poziom ulepszenia.

Gdy wynik będzie zadowalający, kliknij przycisk pobierania. Serwer dostarcza ulepszony obraz za pośrednictwem odpowiedzi HTTP. Przeglądarka zapisuje go bezpośrednio na Twoim urządzeniu.

Pliki tymczasowe są usuwane z serwera natychmiast po pobraniu.

Jak to działa

AI Image Enhancer wykorzystuje ESRGAN (Enhanced Super-Resolution Generative Adversarial Network), model sieci neuronowej, który skaluje obrazy poprzez przewidywanie szczegółów o wysokiej rozdzielczości z danych wejściowych o niskiej rozdzielczości. Po przesłaniu obrazu przeglądarka wysyła dane binarne na serwer za pomocą HTTP POST jako przesyłanie formularza wieloczęściowego. Serwer odbiera obraz i przygotowuje go do wnioskowania sieci neuronowej.

Serwer ładuje wagi modelu ESRGAN z dysku do pamięci GPU. Architektura modelu składa się z sieci generatora z wieloma blokami RRDB (residual-in-residual dense blocks), z których każdy zawiera warstwy splotowe, normalizację wsadową i aktywacje leaky ReLU. Generator został wytrenowany na parach obrazów o niskiej i wysokiej rozdzielczości, aby nauczyć się mapowania z zdegradowanych do ostrych szczegółów.

Silnik przetwarza obraz, dzieląc go na nakładające się kafelki, zazwyczaj 128x128 lub 256x256 pikseli, aby zmieścić się w ograniczeniach pamięci GPU. Każdy kafelek jest niezależnie przekazywany przez sieć neuronową. Sieć generatora przetwarza każdy kafelek przez swoje warstwy splotowe, stopniowo zwiększając rozdzielczość map cech przy użyciu operacji pixel shuffle (znanych również jako splot podpikselowy), które reorganizują dane kanałów w wymiary przestrzenne.

W przypadku skalowania 4x sieć stosuje dwa etapy zwiększania rozdzielczości 2x, z których każdy zwiększa szerokość i wysokość dwukrotnie.

Podczas wnioskowania model przewiduje szczegóły o wysokiej częstotliwości, które nie istnieją w oryginalnym obrazie — halucynuje wiarygodne tekstury, ostrość krawędzi i drobną strukturę na podstawie wzorców wyuczonych podczas treningu. Na przykład rozmyta twarz w danych wejściowych o niskiej rozdzielczości zostanie zrekonstruowana z przewidywanymi konturami oczu, teksturą skóry i szczegółami włosów, których model nauczył się z milionów przykładów treningowych.

Po przetworzeniu wszystkich kafelków silnik rekonstruuje pełny ulepszony obraz poprzez mieszanie nakładających się regionów kafelków, aby wyeliminować artefakty łączenia. Ulepszony obraz jest następnie przesyłany z powrotem do przeglądarki za pośrednictwem odpowiedzi HTTP. Serwer usuwa wszystkie pliki tymczasowe i alokacje pamięci GPU natychmiast po dostarczeniu.

Gdy coś pójdzie nie tak

Przesyłanie nie powiodło się: Twój obraz przekracza limit 20 MB. Serwer rygorystycznie egzekwuje ten próg. Każdy plik powyżej 20 MB przekracza obsługiwany limit i zostanie odrzucony.

Przetwarzanie przekracza limit czasu: Serwer ma 20-minutowy limit czasu dla tej operacji. Duże obrazy ze skalowaniem 4x mogą zbliżać się do tego limitu, ponieważ więcej kafelków musi zostać przetworzonych przez sieć neuronową. Spróbuj użyć skalowania 2x lub zmniejszyć wymiary źródłowe.

Ulepszony obraz wygląda sztucznie: ESRGAN to sieć neuronowa, która przewiduje szczegóły. Czasami przewiduje je nieprawidłowo, tworząc nienaturalne tekstury lub artefakty. Jest to szczególnie częste w przypadku twarzy (gdzie model może wygenerować nieprawidłowe rysy twarzy) lub tekstu (gdzie model może wygenerować zniekształcone znaki).

Ulepszony obraz jest rozmyty: Obraz źródłowy nie zawiera wystarczającej ilości szczegółów, aby model mógł je przewidzieć. ESRGAN najlepiej sprawdza się w przypadku obrazów, które mają pewne szczegóły do pracy — całkowicie rozmyte obrazy nie zawierają informacji o wysokiej częstotliwości, które model mógłby ulepszyć, co daje rozmyte wyniki.

### Dlaczego ulepszanie trwa tak długo?

ESRGAN to głęboka sieć neuronowa z milionami parametrów. Przetwarzanie każdego piksela przez wiele warstw splotowych wymaga znacznych zasobów obliczeniowych. Wyższe współczynniki skalowania zwiększają obciążenie wykładniczo, ponieważ obraz wyjściowy ma 4x (dla skalowania 2x) lub 16x (dla skalowania 4x) więcej pikseli niż dane wejściowe.

Model działa na GPU serwera, co jest szybsze niż CPU, ale nadal wymaga znacznego czasu przetwarzania w przypadku dużych obrazów.

### Jak mój obraz jest przechowywany podczas przetwarzania?

Twój obraz jest przesyłany na serwer przez HTTPS, przetwarzany w pamięci GPU przez model ESRGAN i przesyłany z powrotem jako ulepszony wynik. Żadne pliki tymczasowe nie są przechowywane na dysku. Wszystkie dane są usuwane z pamięci serwera natychmiast po wysłaniu odpowiedzi.

### Czy mogę ulepszać obrazy większe niż 20 MB?

Serwer egzekwuje limit rozmiaru pliku 20 MB. Każdy plik przekraczający 20 MB przekracza obsługiwany limit i zostanie odrzucony. Zmniejsz wymiary obrazu lub skompresuj plik przed przesłaniem.