Standardní změna velikosti se opírá o matematickou interpolaci (bilinear, bicubic nebo Lanczos resampling), která průměruje sousední pixely a při zvětšení fotky nevyhnutelně rozmazává vysokofrekvenční hrany. AI Image Super-Resolution nahrazuje pasivní průměrování pixelů hlubokým Vision Transformerem (Swin2SR, Swin Transformer v2 for Image Super-Resolution), který modeluje long-range self-attention v oknech 8×8 pixelů a syntetizuje ostré hrany, textury látek i typografii.
Lokální neurální pipeline Utiliome volí optimální architekturu podle cílového měřítka:
- 2× super-rezoluce (
Xenova/swin2SR-lightweight-x2-64plné FP32): Používá nekvantované 32bitové floating-point váhy (7.7 MB) místo 8bitové dynamické kvantizace, čímž brání kvantizačnímu šumu na hladkých barevných přechodech a na instrukcích WebAssembly SIMD běží asi o 12 % rychleji. - 4× real-world super-rezoluce (
Xenova/swin2SR-realworld-sr-x4-64-bsrgan-psnr): Trénováno s BSRGAN (Blind Super-Resolution Generative Degradation), které modeluje reálné rozostření fotoaparátu, šum snímače a JPEG bloky z webu/WhatsApp — a rekonstruuje čisté 4× hrany bez zesilování mosquito šumu.