Standard bildestørrelseendring baserer seg på matematisk interpolasjon (bilinear, bikubisk eller Lanczos), som gjennomsnittliggjør nabopiksler og uunngåelig slører høyfrekvente kanter når et bilde forstørres. AI-bildesuperoppløsning erstatter passiv pikselgjennomsnitt med en dyp Vision Transformer (Swin2SR, Swin Transformer v2 for Image Super-Resolution) som modellerer langtrekkende self-attention på tvers av 8×8-pikselvinduer for å syntetisere skarpe kanter, stoffteksturer og typografi.
Utiliomes lokale neurale rørledning velger optimal arkitektur for målskalaen din:
- 2x superoppløsning (
Xenova/swin2SR-lightweight-x2-64full FP32): Bruker ukvantiserte 32-bit flyttallsvekter (7.7 MB) i stedet for 8-bit dynamisk kvantisering, noe som hindrer kvantiseringsstøy på jevne fargegradienter og kjører ~12 % raskere på WebAssembly SIMD-instruksjoner. - 4x Real-World superoppløsning (
Xenova/swin2SR-realworld-sr-x4-64-bsrgan-psnr): Trent med BSRGAN (Blind Super-Resolution Generative Degradation), som modellerer virkelig kameradefokus, sensorstøy og Web/WhatsApp JPEG-komprimeringsblokker — og rekonstruerer rene 4x-kanter uten å forsterke myggstøy.