O redimensionamento padrão depende de interpolação matemática (reamostragem bilinear, bicúbica ou Lanczos), calculando a média de pixels vizinhos e inevitavelmente desfocando bordas ao ampliar uma foto. A Super-Resolução de Imagem com IA substitui o cálculo passivo de pixels por um Vision Transformer profundo (Swin2SR, Swin Transformer v2 for Image Super-Resolution), que modela autoatenção em janelas de 8×8 pixels para reconstruir bordas nítidas, texturas de tecidos e tipografia.
O pipeline neural local da Utiliome seleciona a arquitetura ideal para o fator de escala escolhido:
- Super-Resolução 2x (
Xenova/swin2SR-lightweight-x2-64FP32 Integral): Utiliza pesos de ponto flutuante de 32 bits não quantizados (7.7 MB) em vez de quantização dinâmica de 8 bits, evitando ruídos em gradientes suaves e executando ~12% mais rápido com instruções SIMD no WebAssembly. - Super-Resolução Real-World 4x (
Xenova/swin2SR-realworld-sr-x4-64-bsrgan-psnr): Treinado com BSRGAN (Blind Super-Resolution Generative Degradation), que modela desfoque real de lentes, ruído de sensor e artefatos de compressão JPEG de WhatsApp e Web — reconstruindo bordas nítidas em 4x sem amplificar ruídos indesejados.