Vanlig bildskalning bygger på matematisk interpolering (bilinjär, bikubisk eller Lanczos-omskalning), vilket beräknar genomsnittet av närliggande pixlar och oundvikligen gör detaljrika kanter suddiga när ett foto förstoras. AI-bildsuperupplösning ersätter passiv pixelutjämning med en djup Vision Transformer (Swin2SR, Swin Transformer v2 for Image Super-Resolution) som modellerar långdistans-självuppmärksamhet över 8×8-pixelrutor för att syntetisera skarpa kanter, tygstrukturer och typografi.
Utiliomes lokala neurala pipeline väljer den optimala arkitekturen för din valda skalfaktor:
- 2x Superupplösning (
Xenova/swin2SR-lightweight-x2-64Full FP32): Använder okvantiserade 32-bitars flyttalsvikter (7.7 MB) istället för 8-bitars dynamisk kvantisering, vilket förhindrar kvantiseringsbrus på jämna färgtoningar och körs ~12% snabbare med WebAssembly SIMD-instruktioner. - 4x Real-World Superupplösning (
Xenova/swin2SR-realworld-sr-x4-64-bsrgan-psnr): Tränad med BSRGAN (Blind Super-Resolution Generative Degradation), som modellerar verklig kameraoskärpa, sensorbrus och JPEG-komprimeringsblock från webben och meddelandeappar — vilket återskapar rena 4x-kanter utan att förstärka bakgrundsbrus.