Привет, друзья! Нередко возникает необходимость улучшить качество изображений и сегодня я решил провести тестирование апскейлеров, доступных в Stable Diffusion. Давайте вместе разберемся, какие из этих апскейлеров справляются с задачей улучшения изображений в разрешении 8x. На входе у наc будут изображения 90x90 пикселей, а на выходе 720x720 пикселей, это буквально сделать из г@вна конфетку.
Lanczos
Это метод интерполяции изображений, используемый для изменения размера с минимизацией потери качества
Nearest
От слова ближайшее — метод интерполяции изображений, основанный на присвоении новым пикселям значений ближайшего им соседа, обеспечивая простоту и быстродействие
ESRGAN 4x
Метод суперразрешения изображений с использованием Enhanced Super-Resolution Generative Adversarial Network, увеличивающий разрешение изображения в четыре раза
LDSR
Метод суперразрешения изображений, использующий Local Difference Statistics Regularization (локальную статистику различий) для улучшения деталей при увеличении разрешения. Очень долго
R‑ESRGAN 4x+
Метод суперразрешения изображений, расширяющий Enhanced Super-Resolution Generative Adversarial Network (ESRGAN) для увеличения разрешения в четыре раза с дополнительными улучшениями
ScuNET
Метод суперразрешения изображений, использующий сверточные нейронные сети для улучшения качества изображений при увеличении разрешения
ScuNET PSNR
Метод суперразрешения изображений, оценивающий качество изображения с использованием метрики PSNR (Peak Signal-to-Noise Ratio).
SwinIR 4x
Метод суперразрешения изображений, основанный на архитектуре Swin Transformer, увеличивающий разрешение изображения в четыре раза
Подытоживая, хочу сказать что оценка оптимальности и качества апскейлеров зависит от конкретного контекста, требований и целей. Различные апскейлеры могут лучше справляться с разными типами изображений и задачами.
Рекомендуется провести собственные тесты и сравнения для конкретных задач, чтобы определить, какой из этих апскейлеров лучше соответствует вашим потребностям.
