अपस्केलिंग की समस्या

आपके पास 500×500 की फोटो है। आपको इसे 2000×2000 में चाहिए — प्रिंट, रेटिना डिस्प्ले, या बैनर के लिए। फोटो में 250,000 पिक्सेल हैं। आपको 4 मिलियन चाहिए। बाकी के 3.75 मिलियन पिक्सेल कहीं से तो आने चाहिए।

यही अपस्केलिंग की समस्या है। आप वह जानकारी नहीं बना सकते जो कैप्चर ही नहीं हुई — लेकिन आप अनुमान लगा सकते हैं। अनुमान की क्वालिटी तय करती है कि अपस्केल्ड इमेज क्रिस्प दिखेगी या धुंधले मेस जैसी।

क्यों नेव अपस्केलिंग विफल होती है

सबसे सरल तरीका: हर पिक्सेल को डुप्लीकेट करें। 500×500 इमेज हर पिक्सेल को 2×2 ब्लॉक में बदलकर 1000×1000 हो जाती है। परिणाम पिक्सेलेटेड है — ब्लॉकी, दिखते वर्गों के साथ। यह "नियरेस्ट-नेबर" इंटरपोलेशन है, और 1995 में हर इमेज व्यूअर यही करता था।

अगला स्टेप: बाइलिनियर इंटरपोलेशन। हर नए पिक्सेल के लिए, 4 निकटतम सोर्स पिक्सेल का औसत लें। परिणाम स्मूद है, लेकिन धुंधला — एज अपनी परिभाषा खो देते हैं, टेक्स्ट सॉफ्ट हो जाता है, और बारीक विवरण गायब हो जाता है। बाइक्यूबिक इंटरपोलेशन (क्यूबिक वेटिंग के साथ 16 सोर्स पिक्सेल का औसत) थोड़ा बेहतर है, लेकिन फिर भी एज के आसपास दिखते हेलो देता है।

बुनियादी समस्या: ये तरीके यह नहीं जानते कि इमेज क्या है। वे हर पिक्सेल को एक जैसा ट्रीट करते हैं — नीले आसमान के बीच वाले पिक्सेल को वही ट्रीटमेंट मिलती है जो शार्प टेक्स्ट स्ट्रोक के किनारे वाले पिक्सेल को। परिणाम एक समान रूप से मध्यम होता है।

Lanczos: क्वालिटी का बेसलाइन

Lanczos रीसैंपलिंग एक sinc-विंडोड कर्नेल का उपयोग करता है — एक गणितीय फंक्शन जो, सिद्धांत रूप में, सैंपल्स से मूल कंटीन्यूअस सिग्नल को पूरी तरह रीकंस्ट्रक्ट करता है। व्यवहार में, यह बाइक्यूबिक से शार्पर परिणाम देता है क्योंकि यह हाई-फ्रीक्वेंसी डिटेल (एज, टेक्स्ट, बारीक टेक्सचर) को बेहतर संरक्षित रखता है।

ट्रेडऑफ़ कंप्यूटेशन है। कर्नेल साइज़ 3 (स्टैंडर्ड) वाला Lanczos हर आउटपुट पिक्सेल के लिए 36 सोर्स पिक्सेल (6×6 विंडो) मांगता है, जबकि बाइक्यूबिक 16। 1000×1000 इमेज के 4× अपस्केल के लिए, यह 144 मिलियन पिक्सेल लुकअप हैं। आधुनिक CPU पर, इसमें 2-5 सेकंड लगते हैं — एक बार के लिए स्वीकार्य, रियल-टाइम के लिए धीमा।

Lanczos क्वालिटी अपस्केलिंग का बेसलाइन है। हर प्रोफेशनल टूल — Photoshop, GIMP, ImageMagick — इसे ऑफर करता है। Lanczos का उपयोग करने वाले ब्राउज़र-आधारित टूल ऐसे परिणाम देते हैं जो डेस्कटॉप सॉफ्टवेयर से लगभग अविभेद्य होते हैं।

AI अपस्केलिंग: वादा

AI अपस्केलर्स (real-ESRGAN, SwinIR, Topaz Gigapixel) एक अलग दृष्टिकोण लेते हैं। गणितीय फॉर्मूले के बजाय, वे न्यूरल नेटवर्क का उपयोग करते हैं जो लाखों इमेज पेयर पर ट्रेन किया जाता है: एक ही फोटो के लो-रिज़ॉल्यूशन और हाई-रिज़ॉल्यूशन वर्ज़न। नेटवर्क गायब डिटेल को "हैलुसिनेट" करना सीखता है — टेक्सचर जोड़ता है, एज को शार्प करता है, और टेक्स्ट भी रीकंस्ट्रक्ट करता है।

कुछ खास इमेज टाइप्स के लिए, परिणाम शानदार होते हैं। चेहरे की 500×500 फोटो, एक अच्छे AI मॉडल द्वारा 4× अपस्केल, ऐसी दिख सकती है जैसे मूल रूप से 2000×2000 पर शूट की गई थी। मॉडल "जानता है" कि चेहरे कैसे दिखते हैं, और वह पोर्स, बाल, और स्किन टेक्सचर भर देता है जो लो-रिज़ॉल्यूशन सोर्स ने कैप्चर नहीं किया था।

लेकिन एक समस्या है: AI हैलुसिनेट करता है। यह ऐसा डिटेल जोड़ता है जो ओरिजिनल में नहीं था — और कभी-कभी वह डिटेल गलत होता है। एक धुंधली लाइसेंस प्लेट, AI द्वारा अपस्केल, एक सही दिखने वाली लेकिन गलत नंबर दिखा सकती है। इमारत की एक लो-रेस फोटो, अपस्केल, ऐसी खिड़कियां और ईंटें पा सकती है जो मौजूद ही नहीं हैं। यह "मॉडल बायस" है — AI वह पैदा करता है जो उसे लगता है कि होना चाहिए, न कि जो वास्तव में है।

कब क्या उपयोग करें

Lanczos तब उपयोग करें जब:

  • आपको सटीक, फेथफुल अपस्केलिंग चाहिए (कोई हैलुसिनेटेड डिटेल नहीं)।
  • इमेज में बारीक डिटेल है जिसे एकदम सही संरक्षित रखना है (टेक्स्ट, डायग्राम, पिक्सेल आर्ट)।
  • आपको प्रेडिक्टेबल, रिप्रोड्यूसिबल परिणाम चाहिए।
  • आप ब्राउज़र में काम कर रहे हैं (कोई मॉडल डाउनलोड नहीं चाहिए)।

AI अपस्केलिंग तब उपयोग करें जब:

  • इमेज किसी आम सब्जेक्ट की फोटो है (चेहरे, लैंडस्केप, इमारतें)।
  • आप चाहते हैं कि इमेज "अच्छी दिखे" भले ही डिटेल गलत हो।
  • आप 10-50 MB के मॉडल डाउनलोड को बर्दाश्त कर सकते हैं।
  • आप इस बात को स्वीकारने को तैयार हैं कि अपस्केल्ड डिटेल सटीक नहीं हो सकता।

ज़्यादातर यूज़ केस के लिए — वेब ग्राफ़िक्स, पुरानी फोटो, सोशल मीडिया पोस्ट — Lanczos काफी और तेज़ है। प्रोफेशनल फोटो रेस्टोरेशन या बड़े साइज़ में प्रिंटिंग के लिए, AI अपस्केलिंग अतिरिक्त समय के लायक है।

शार्पनिंग ट्रिक

किसी भी अपस्केलिंग विधि को बाद में शार्पनिंग पास से फायदा होता है। कारण: अपस्केलिंग ओरिजिनल डिटेल को ज़्यादा पिक्सेल्स में फैलाती है, जिससे इमेज दृश्य रूप से सॉफ्ट हो जाती है। एक हल्का अनशार्प मास्क — जो एज का पता लगाता है और लोकल कॉन्ट्रास्ट बढ़ाता है — बिना नई जानकारी जोड़े पर्सीव्ड शार्पनेस वापस लाता है।

शार्पनिंग की मात्रा मायने रखती है। बहुत कम, और अपस्केल्ड इमेज सॉफ्ट दिखती है। बहुत ज़्यादा, और आपको हेलो मिलते हैं — एज के चारों ओर चमकीले या गहरे आउटलाइन जो अनैचुरल दिखते हैं। एक सामान्य सेटिंग: अमाउंट 0.5, रेडियस 0.7px, थ्रेशोल्ड 2। यह आर्टिफैक्ट्स लाए बिना एज को बेहतर बनाता है।

प्रिंट के लिए अपस्केलिंग

प्रिंट को 300 DPI (डॉट्स पर इंच) चाहिए। 4×6 इंच प्रिंट के लिए फोटो को 1200×1800 पिक्सेल चाहिए। वेब-रिज़ॉल्यूशन फोटो (800×600) को इस ज़रूरत को पूरा करने के लिए हॉरिज़ॉन्टली 1.5× और वर्टिकली 3× अपस्केल करना पड़ता है।

प्रिंट के लिए, शार्पनिंग के साथ Lanczos आमतौर पर AI से बेहतर है। प्रिंट हर पिक्सेल दिखाता है — AI-हैलुसिनेटेड टेक्सचर जो स्क्रीन पर ठीक दिखता है वह कागज़ पर "गलत" दिख सकता है, खासकर चेहरों और हाथों पर जहाँ दर्शकों की मज़बूत अपेक्षाएँ होती हैं।

प्राइवेसी

अपस्केलिंग पूरी तरह ब्राउज़र में चल सकती है। Lanczos एल्गोरिदम प्योर मैथ है — कोई डेटा डिवाइस से बाहर नहीं जाता। AI मॉडल भी ONNX Runtime Web या TensorFlow.js के ज़रिए ब्राउज़र में चल सकते हैं, हालाँकि मॉडल डाउनलोड (10-50 MB) एक बार की कॉस्ट है। किसी भी सूरत में, कोई इमेज सर्वर पर अपलोड नहीं होती।

भविष्य

AI अपस्केलिंग तेज़ी से सुधर रही है। डिफ्यूज़न-आधारित अपस्केलर्स (वही टेक्नोलॉजी जो Stable Diffusion के पीछे है) अब 8× एनलार्जमेंट पैदा कर सकते हैं जो सही इमेज टाइप्स के लिए नेटिव हाई-रिज़ॉल्यूशन फोटो से दृश्य रूप से अविभेद्य हैं। ट्रेडऑफ़ स्पीड है: डिफ्यूज़न अपस्केल में GPU पर 10-30 सेकंड, CPU पर मिनट लगते हैं।

अभी के लिए, ज़्यादातर यूज़र्स के लिए प्रैक्टिकल चॉइस Lanczos + शार्पन है। यह तेज़ है, मुफ़्त है, किसी भी ब्राउज़र में चलता है, और 90% यूज़ केस के लिए "काफी अच्छी" क्वालिटी देता है। AI अपस्केलिंग सही चॉइस है जब क्वालिटी स्पीड से ज़्यादा मायने रखती है, और जब इमेज टाइप वही है जिस पर AI मॉडल ट्रेन हुआ था।