Redimensionarea clasică (biliniar, bicubic, Lanczos) mediază pixelii vecini și încețoșează muchiile la mărire. Super-rezoluția AI înlocuiește media cu un Vision Transformer (Swin2SR, Swin Transformer v2) care modelează self-attention pe ferestre de 8×8 ca să sintetizeze muchii, texturi și tipografie.
Lanțul local alege arhitectura după scară:
- Super-rezoluție 2x (
Xenova/swin2SR-lightweight-x2-64, FP32): ponderi pe 32 de biți necuantizate (7.7 MB), nu cuantizare dinamică pe 8 biți, ca să evite zgomotul pe gradienți și să ruleze cam cu 12% mai rapid pe SIMD WebAssembly. - Super-rezoluție 4x din lumea reală (
Xenova/swin2SR-realworld-sr-x4-64-bsrgan-psnr):antrenat cuBSRGAN, care modelează defocus, zgomot de senzor și blocuri JPEG de pe web sau WhatsApp — muchii curate la 4x, fără zgomot de țânțar amplificat.