AI इमेज अपस्केलर

AI अपस्केलिंग रीसाइज़ से ज़्यादा शार्प क्यों दिखती है

सामान्य रीसाइज़ — बाइलिनियर, बाइक्यूबिक या Lanczos — केवल मौजूदा पिक्सल को बड़े ग्रिड पर फैला सकता है। यह कोई नई डिटेल नहीं बनाता, इसलिए 4× बड़ी इमेज नरम और चौकोर-सी दिखती है: किनारे धुंधले हो जाते हैं, टेक्स्ट अस्पष्ट हो जाता है और JPEG आर्टिफ़ैक्ट इमेज के साथ बड़े हो जाते हैं।

सुपर-रेज़ोल्यूशन नेटवर्क अलग तरह से काम करता है। Real-ESRGAN को शार्प इमेज और जानबूझकर ख़राब की गई कॉपियों — धुंधली, छोटी की गई, नॉइज़ वाली और JPEG-कंप्रेस्ड — के लाखों जोड़ों पर ट्रेन किया गया, और इसने ख़राब वर्ज़न को वापस शार्प वर्ज़न में बदलना सीखा। आपकी तस्वीर मिलने पर यह विश्वसनीय हाई-फ़्रीक्वेंसी डिटेल का अनुमान लगाता है: साफ़ किनारे, बाल, पत्तियां, कपड़ा और अक्षर। इसी वजह से यह साइड इफ़ेक्ट के रूप में कंप्रेशन ब्लॉक और हल्का नॉइज़ भी हटा देता है।

यह जो डिटेल जोड़ता है वह अनुमान है, रिकवरी नहीं। यह ऐसी नंबर प्लेट नहीं दिखा सकता जो कभी पढ़ने लायक़ थी ही नहीं, या कुछ ही पिक्सल चौड़ा चेहरा, और बहुत छोटी या बहुत ज़्यादा कंप्रेस्ड इमेज पर नतीजा पेंटिंग जैसा दिख सकता है। नतीजे पर भरोसा करने से पहले स्लाइडर से तुलना करें और 100% पर ज़ूम करें।

तेज़ या क्वालिटी: कौन-सा मॉडल चुनें

तेज़ — Real-ESRGAN general v3

<code>realesr-general-x4v3</code>, लगभग 12 लाख पैरामीटर वाला एक कॉम्पैक्ट SRVGGNet, 4.6 MB डाउनलोड। यह क्वालिटी मॉडल से लगभग दस गुना तेज़ है और इलस्ट्रेशन, स्क्रीनशॉट, गेम आर्ट, प्रोडक्ट शॉट और ज़्यादातर फ़ोटो को अच्छी तरह संभालता है। यहीं से शुरू करें।

क्वालिटी — Real-ESRGAN x4plus

<code>RealESRGAN_x4plus</code>, 1.67 करोड़ पैरामीटर वाला मूल RRDBNet, 64 MB डाउनलोड। यह असली फ़ोटो में ज़्यादा टेक्सचर वापस लाता है — त्वचा, पत्तियां, इमारतें — लेकिन समय की क़ीमत पर: CPU पर एक बड़ी फ़ोटो में कई मिनट लग सकते हैं। WebGPU वाला ग्राफ़िक्स कार्ड इसे व्यावहारिक बनाता है।

2× बनाम 4×

दोनों मॉडल 4× नेटवर्क हैं। 2× के लिए टूल 4× मॉडल चलाता है और फिर नतीजे के हर 2 × 2 ब्लॉक का औसत लेता है। यह सीधे 2× बड़ा करने से साफ़ तौर पर ज़्यादा शार्प होता है और कम मेमोरी लेता है, क्योंकि पूरी 4× इमेज कभी बनती ही नहीं।

यह आपके ब्राउज़र में कैसे चलता है

मॉडल एक बैकग्राउंड वर्कर में ONNX Runtime Web पर चलते हैं, इसलिए पेज रिस्पॉन्सिव बना रहता है। अगर आपका ब्राउज़र WebGPU सपोर्ट करता है — ज़्यादातर कंप्यूटरों पर नए Chrome, Edge और Safari — तो नेटवर्क आपके ग्राफ़िक्स कार्ड पर चलता है। वरना यह CPU पर WebAssembly पर चला जाता है, जो धीमा है लेकिन हर जगह काम करता है। पैनल दिखाता है कि कौन-सा इस्तेमाल हो रहा है।

बड़ी इमेज को 128 से 256 पिक्सल की एक-दूसरे पर चढ़ी टाइलों में बांटा जाता है। हर टाइल को आसपास के 16 पिक्सल के संदर्भ के साथ अपस्केल किया जाता है और केवल उसका बीच का हिस्सा रखा जाता है, इसलिए कोई जोड़ नहीं दिखता और ज़रूरी मेमोरी कम रहती है। इसी से प्रोग्रेस बार, समय का अनुमान और रद्द करें बटन संभव होते हैं।

मॉडल फ़ाइल पहली बार इस्तेमाल करने पर Hugging Face से डाउनलोड होती है और आपके ब्राउज़र के कैश स्टोरेज में रखी जाती है, इसलिए बाद की विज़िट लगभग तुरंत शुरू होती हैं और ऑफ़लाइन भी काम करती हैं। आपकी इमेज केवल आपके डिवाइस पर ही पढ़ी और प्रोसेस की जाती हैं।

पारदर्शिता, आउटपुट फ़ॉर्मेट और साइज़ की सीमाएं

• पारदर्शी PNG अपनी पारदर्शिता बनाए रखते हैं: नेटवर्क रंगों को बड़ा करता है, और अल्फ़ा चैनल को अलग से बाइक्यूबिक रीसैंपलिंग से बड़ा करके फिर जोड़ा जाता है।
• PNG लॉसलेस है और पारदर्शिता बनाए रखता है — आगे एडिट करने के लिए सबसे अच्छा विकल्प। JPEG और WebP काफ़ी छोटे होते हैं; JPEG पारदर्शी हिस्सों को सफ़ेद से भर देता है।
• आपके ब्राउज़र की मेमोरी ख़त्म होने से बचाने के लिए नतीजे कंप्यूटर पर लगभग 36 मेगापिक्सल और फ़ोन व टैबलेट पर 16 मेगापिक्सल तक सीमित हैं। इससे बड़ी मांग पर पहले इनपुट छोटा किया जाता है और आपको बताया जाता है।
• बाद में सटीक साइज़ चाहिए? नतीजे को इमेज रीसाइज़र में भेजें, इमेज कनवर्टर से कन्वर्ट करें, या बैकग्राउंड रिमूवर से सब्जेक्ट को काटकर अलग करें।

श्रेय और लाइसेंस

अपस्केलिंग में Xintao Wang, Liangbin Xie, Chao Dong और Ying Shan का Real-ESRGAN (“Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data”, ICCV Workshops 2021) इस्तेमाल होता है, जो BSD-3-Clause लाइसेंस के तहत जारी है। ONNX कन्वर्ज़न Hugging Face पर BSD-3-Clause लाइसेंस वाले jonathanst29/tinier-upscale-models एक्सपोर्ट हैं, जो एक तय रिविज़न पर पिन किए गए हैं। इन्फ़रेंस Microsoft के MIT-लाइसेंस वाले ONNX Runtime Web से चलता है।