Nếu bạn đã từng thắc mắc cácmodel upscale Lanczos, LDSR, ESRGAN,… có gì khác nhau, khi nào cần áp dụng model nào thì đây chính là bài viết dành cho bạn.
Để biết thêm về các phương pháp tăng cường chất lượng ảnh, hãy đọc
From Zero to Hero (P6): Nâng cấp chi tiết bức ảnh của bạn bằng các phương pháp Upscale
Hiểu đơn giản, bức ảnh tạo từ AI có kích thước cơ bản nhất là 512 x 512, để nâng cao kích thước này lên, thuật toán sẽ cần đưa các nhiễu (noises) vào ảnh để hình thành các chi tiết mới, từ đó tạo độ nét cho ảnh. Các model upscale khác nhau sử dụng các thuật toán khac nhau cho việc đó.
Các model cơ bản
Lanczos - Nearest: đây là hai phương pháp cũ mở rộng bức tranh và điền vào các điểm ảnh mới bằng cách thực hiện các phép toán toán học sử dụng chỉ giá trị điểm ảnh của bức ảnh. Tuy nhiên, nếu chính bức ảnh bị hỏng hoặc méo mó, thì không có cách nào cho những thuật toán này điền chính xác thông tin còn thiếu. Đây là 2 phương án có sẵn nhưng gần như không được sử dụng
LDSD : (Latent Diffusion Super Resolution) đây là phương pháp được tạo ra từ thời SD 1.4. Phương pháp này rất hiệu quả nhưng quá chậm.
ESRGAN Enhanced Super-Resolution Generative Adversarial Networks : phương pháp đã dành giải thưởng Perceptual Image Restoration and Manipulation Challenge năm 2018. đây là phương pháp cải tiến các phương pháp cũ, đem lại hiệu quả cao.
R-ESRGAN (Real ESRGAN): được training nhiều với ảnh của nhiệp ảnh nên phù hợp với ảnh thật.
ScuNET ( Swin-Conv-UNet): tách nhỏ hình ra để upscale từng phần
SwinIR: Image Restoration Using Swin Transformer: SwinIR bao gồm ba phần: trích xuất đặc trưng nông, trích xuất đặc trưng sâu và tái tạo hình ảnh chất lượng cao.
Ultrasharp: được pretrain bởi ESRGAN nhưng hiệu quả hơn
So sánh tính phù hợp của các model
Các model Nearest và Lanczos không được so sánh bởi vì chúng tôi khuyên bạn không nên dùng.
Các model còn lại sẽ được chia theo tính hữu dụng của từng thể loại ảnh.
Chúc các bạn chọn được phương án cho phù hợp với nhu cầu của mình!