Посібник з AI Image Enhancer

Збільшуйте роздільну здатність зображень до 4 разів за допомогою нейронної мережі ESRGAN. Покращуйте чіткість, зменшуйте шум та відновлюйте деталі. Обробка виконується на сервері ConvertCraft з лімітом часу 20 хвилин.

Що вам потрібно

Браузер — Chrome, Firefox, Safari або Edge Формати — JPG, JPEG, PNG, WEBP, AVIF або GIF Ліміт — 20 МБ на файл (будь-який файл, що перевищує 20 МБ, буде відхилено).

Покращення вашого зображення

Відкрийте AI Image Enhancer у своєму браузері. Перетягніть файл зображення з провідника у зону завантаження. Або натисніть на область завантаження, щоб вибрати файл зі свого пристрою.

Переконайтеся, що файл не перевищує ліміт у 20 МБ перед завантаженням — файли, що перевищують цей поріг, будуть відхилені. Виберіть коефіцієнт масштабування: 2x або 4x. Налаштування 2x подвоює розміри зображення з помірним відновленням деталей.

Налаштування 4x збільшує розміри вчетверо з максимальним відновленням деталей, але значно збільшує час обробки. Натисніть кнопку покращення. Система завантажує ваше зображення на сервер через HTTP POST.

Модель ESRGAN на стороні сервера обробляє зображення за допомогою GPU-інференсу. Це нейронна мережа — вона використовує навчені ваги для прогнозування високоякісних деталей на основі вхідних даних низької роздільної здатності. Перегляньте покращене зображення.

Система відображає оригінальну та покращену версії поруч. Якщо результат вас влаштовує, перейдіть до завантаження. Якщо ні, спробуйте інший рівень покращення.

Коли ви будете задоволені результатом, натисніть кнопку завантаження. Сервер передає покращене зображення через HTTP-відповідь. Браузер зберігає його безпосередньо на ваш пристрій.

Тимчасові файли видаляються з сервера одразу після завантаження.

Як це працює

AI Image Enhancer використовує ESRGAN (Enhanced Super-Resolution Generative Adversarial Network) — модель нейронної мережі, яка масштабує зображення, прогнозуючи деталі високої роздільної здатності на основі вхідних даних низької якості. Коли ви завантажуєте зображення, браузер надсилає бінарні дані на сервер через HTTP POST як multipart-форму. Сервер отримує зображення та готує його до інференсу нейронної мережі.

Сервер завантажує ваги моделі ESRGAN з диска в пам'ять GPU. Архітектура моделі складається з генераторної мережі з кількома щільними блоками (RRDB), кожен з яких містить згорткові шари, пакетну нормалізацію та активації leaky ReLU. Генератор був навчений на парах зображень низької та високої роздільної здатності, щоб навчитися перетворювати розмиті деталі на чіткі.

Система обробляє ваше зображення, розділяючи його на фрагменти, що перекриваються (зазвичай 128x128 або 256x256 пікселів), щоб вони помістилися в обмеження пам'яті GPU. Кожен фрагмент проходить через нейронну мережу незалежно. Генераторна мережа обробляє кожен фрагмент через свої згорткові шари, поступово збільшуючи роздільну здатність карт ознак за допомогою операцій піксельного перемішування (pixel shuffle).

Для масштабування 4x мережа застосовує два етапи масштабування 2x, кожен з яких збільшує ширину та висоту у 2 рази.

Під час інференсу модель прогнозує високочастотні деталі, яких немає в оригінальному зображенні — вона «домислює» текстуру, чіткість країв та дрібні структури на основі шаблонів, вивчених під час навчання. Наприклад, розмите обличчя на вхідному зображенні буде реконструйовано з прогнозованими контурами очей, текстурою шкіри та деталями волосся, які модель вивчила на мільйонах прикладів.

Після обробки всіх фрагментів система реконструює повне покращене зображення, змішуючи області, що перекриваються, щоб усунути артефакти на стиках. Покращене зображення передається назад у ваш браузер через HTTP-відповідь. Сервер видаляє всі тимчасові файли та звільняє пам'ять GPU одразу після доставки.

Коли щось йде не так

Помилка завантаження: Ваше зображення перевищує ліміт у 20 МБ. Сервер суворо дотримується цього порогу. Будь-який файл понад 20 МБ перевищує підтримуваний ліміт і буде відхилений.

Час обробки вичерпано: Сервер має 20-хвилинний ліміт часу для цієї операції. Великі зображення з масштабуванням 4x можуть наближатися до цього ліміту, оскільки через нейронну мережу потрібно обробити більше фрагментів. Спробуйте використати масштабування 2x або зменшити розміри вихідного файлу.

Покращене зображення виглядає штучно: ESRGAN — це нейронна мережа, яка прогнозує деталі. Іноді вона прогнозує їх неправильно, створюючи неприродні текстури або артефакти. Це особливо часто трапляється з обличчями (де модель може згенерувати неправильні риси обличчя) або текстом (де модель може згенерувати спотворені символи).

Покращене зображення розмите: Вихідне зображення не має достатньо деталей для прогнозування. ESRGAN найкраще працює із зображеннями, які мають хоча б якісь деталі — повністю розмиті зображення не містять високочастотної інформації для покращення, тому результат буде розмитим.

### Чому покращення займає так багато часу?

ESRGAN — це глибока нейронна мережа з мільйонами параметрів. Обробка кожного пікселя через кілька згорткових шарів вимагає значних обчислювальних ресурсів. Вищі коефіцієнти масштабування збільшують навантаження експоненціально, оскільки вихідне зображення має в 4 рази (для 2x) або в 16 разів (для 4x) більше пікселів, ніж вхідне.

Модель працює на GPU сервера, що швидше за CPU, але все одно потребує значного часу для великих зображень.

### Як моє зображення зберігається під час обробки?

Ваше зображення передається на сервер через HTTPS, обробляється в пам'яті GPU моделлю ESRGAN і повертається як покращений результат. Тимчасові файли на диску не зберігаються. Усі дані видаляються з пам'яті сервера одразу після надсилання відповіді.

### Чи можу я покращити зображення розміром понад 20 МБ?

Сервер встановлює ліміт розміру файлу 20 МБ. Будь-який файл, що перевищує 20 МБ, буде відхилено. Зменште розміри зображення або стисніть файл перед завантаженням.