تغییر اندازه معمولی به درونیابی ریاضی (دوتایی، دوسویه یا بازنمونهگیری Lanczos) تکیه دارد که پیکسلهای همسایه را میانگین میگیرد و هنگام بزرگ کردن عکس، لبههای بسامد بالا را تار میکند. ابروضوح تصویر با هوش مصنوعی میانگین منفعل پیکسل را با ترنسفورمر بینایی عمیق (Swin2SR، نسخه ۲ Swin Transformer برای ابروضوح تصویر) عوض میکند که خودتوجهی بلندبرد را روی پنجرههای ۸×۸ پیکسل مدل میکند تا لبه تیز، بافت پارچه و تایپوگرافی بسازد.
خط لوله عصبی محلی Utiliome معماری مناسب ضریب مقیاس را انتخاب میکند:
- ابروضوح ۲ برابر (
Xenova/swin2SR-lightweight-x2-64با FP32 کامل): از وزن ممیز شناور ۳۲بیتی کوانتیزهنشده (7.7 MB) بهجای کوانتیزاسیون پویای ۸بیتی استفاده میکند تا نویز کوانتیزاسیون روی گرادیان نرم نیاید و روی دستور SIMD در WebAssembly حدود ۱۲٪ سریعتر اجرا شود. - ابروضوح واقعی ۴ برابر (
Xenova/swin2SR-realworld-sr-x4-64-bsrgan-psnr): با BSRGAN (تخریب مولد ابروضوح کور) آموزش دیده که خارج از فوکوس دوربین، نویز حسگر و بلوک فشردهسازی JPEG وب و WhatsApp را مدل میکند و لبه تمیز ۴ برابری میسازد بدون تقویت نویز پشه.