Masalah upscaling

Anda punya foto 500×500. Anda membutuhkannya di 2000×2000 — untuk cetakan, layar retina, spanduk. Foto itu memiliki 250.000 piksel. Anda butuh 4 juta. 3,75 juta piksel yang hilang harus datang dari suatu tempat.

Inilah masalah upscaling. Anda tidak bisa membuat informasi yang tidak ditangkap — tetapi Anda bisa memperkirakannya. Kualitas estimasi menentukan apakah gambar yang di-upscale terlihat tajam atau seperti kekacauan yang buram.

Mengapa upscaling naif gagal

Pendekatan paling sederhana: duplikasi setiap piksel. Gambar 500×500 menjadi 1000×1000 dengan mengubah setiap piksel menjadi blok 2×2. Hasilnya berpiksel — berbentuk blok, dengan kotak yang terlihat. Ini adalah interpolasi "nearest-neighbor", dan inilah yang dilakukan setiap penampil gambar di tahun 1995.

Langkah berikutnya: interpolasi bilinear. Untuk setiap piksel baru, ambil rata-rata 4 piksel sumber terdekat. Hasilnya halus, tetapi buram — tepi kehilangan definisinya, teks menjadi lembut, dan detail halus hilang. Interpolasi bicubic (mengambil rata-rata 16 piksel sumber dengan pembobotan kubik) sedikit lebih baik, tetapi masih menghasilkan halo yang terlihat di sekitar tepi.

Masalah fundamental: metode-metode ini tidak tahu apa gambar itu. Mereka memperlakukan setiap piksel sama — piksel di tengah langit biru mendapat perlakuan yang sama dengan piksel di tepi goresan teks yang tajam. Hasilnya seragam biasa-biasa saja.

Lanczos: baseline kualitas

Resampling Lanczos menggunakan kernel berjendela sinc — fungsi matematika yang, secara teori, merekonstruksi sempurna sinyal kontinu asli dari sampelnya. Dalam praktik, ia menghasilkan hasil yang lebih tajam daripada bicubic karena mempertahankan detail frekuensi tinggi (tepi, teks, tekstur halus) lebih baik.

Pertukarannya adalah komputasi. Lanczos dengan ukuran kernel 3 (standar) membutuhkan 36 piksel sumber per piksel output (jendela 6×6), dibandingkan 16 untuk bicubic. Untuk upscaling 4× dari gambar 1000×1000, itu berarti 144 juta pencarian piksel. Pada CPU modern, ini memakan waktu 2-5 detik — dapat diterima untuk sekali pakai, lambat untuk real-time.

Lanczos adalah baseline untuk upscaling berkualitas. Setiap alat profesional — Photoshop, GIMP, ImageMagick — menawarkannya. Alat berbasis browser yang menggunakan Lanczos menghasilkan hasil yang hampir tidak dapat dibedakan dari perangkat lunak desktop.

Upscaling AI: janjinya

Upscaler AI (real-ESRGAN, SwinIR, Topaz Gigapixel) mengambil pendekatan berbeda. Alih-alih rumus matematika, mereka menggunakan jaringan saraf yang dilatih pada jutaan pasangan gambar: versi resolusi rendah dan tinggi dari foto yang sama. Jaringan belajar untuk "menghalusinasi" detail yang hilang — menambahkan tekstur, menajamkan tepi, bahkan merekonstruksi teks.

Untuk jenis gambar tertentu, hasilnya menakjubkan. Foto 500×500 wajah, di-upscale 4× oleh model AI yang baik, dapat terlihat seperti aslinya diambil pada 2000×2000. Model "tahu" seperti apa wajah, dan mengisi pori-pori, rambut, dan tekstur kulit yang tidak ditangkap oleh sumber resolusi rendah.

Tapi ada jebakan: AI berhalusinasi. Ia menambahkan detail yang tidak ada di aslinya — dan terkadang detail itu salah. Plat nomor yang buram, di-upscale oleh AI, mungkin menunjukkan nomor yang masuk akal tetapi salah. Foto resolusi rendah sebuah bangunan, di-upscale, mungkin mendapatkan jendela dan bata yang tidak ada. Ini adalah "bias model" — AI menghasilkan apa yang menurutnya seharusnya ada, bukan apa yang sebenarnya ada.

Kapan menggunakan yang mana

Gunakan Lanczos ketika:

  • Anda butuh upscaling yang akurat dan setia (tidak ada detail halusinasi).
  • Gambar memiliki detail halus yang harus dipertahankan persis (teks, diagram, seni piksel).
  • Anda butuh hasil yang dapat diprediksi dan direproduksi.
  • Anda bekerja di browser (tidak perlu unduhan model).

Gunakan upscaling AI ketika:

  • Gambar adalah foto subjek umum (wajah, lanskap, bangunan).
  • Anda ingin gambar "terlihat bagus" meskipun detailnya diciptakan.
  • Anda dapat menoleransi unduhan model 10-50 MB.
  • Anda bersedia menerima bahwa detail yang di-upscale mungkin tidak akurat.

Untuk sebagian besar kasus penggunaan — grafis web, foto lama, postingan media sosial — Lanczos cukup dan lebih cepat. Untuk restorasi foto profesional atau pencetakan dalam ukuran besar, upscaling AI sepadan dengan waktu tambahan.

Trik penajaman

Setiap metode upscaling mendapat manfaat dari pass penajaman setelahnya. Alasannya: upscaling menyebarkan detail asli ke lebih banyak piksel, yang secara visual melembutkan gambar. Unsharp mask ringan — yang mendeteksi tepi dan meningkatkan kontras lokal — memulihkan ketajaman yang dirasakan tanpa menambahkan informasi baru.

Jumlah penajaman penting. Terlalu sedikit, dan gambar yang di-upscale terlihat lembut. Terlalu banyak, dan Anda mendapatkan halo — garis terang atau gelap di sekitar tepi yang terlihat tidak alami. Pengaturan tipikal: amount 0.5, radius 0.7px, threshold 2. Ini meningkatkan tepi tanpa menimbulkan artefak.

Upscaling untuk cetak

Cetakan memerlukan 300 DPI (titik per inci). Foto untuk cetakan 4×6 inci membutuhkan 1200×1800 piksel. Foto resolusi web (800×600) perlu di-upscale 1,5× horizontal dan 3× vertikal untuk memenuhi persyaratan ini.

Untuk cetakan, Lanczos dengan penajaman biasanya lebih baik daripada AI. Cetakan menunjukkan setiap piksel — tekstur halusinasi AI yang terlihat baik di layar bisa terlihat "salah" di kertas, terutama untuk wajah dan tangan di mana pemirsa memiliki ekspektasi kuat.

Privasi

Upscaling dapat berjalan sepenuhnya di browser. Algoritma Lanczos adalah matematika murni — tidak ada data yang meninggalkan perangkat. Model AI juga dapat berjalan di browser melalui ONNX Runtime Web atau TensorFlow.js, meskipun unduhan model (10-50 MB) adalah biaya satu kali. Apa pun yang terjadi, tidak ada gambar yang diunggah ke server.

Masa depan

Upscaling AI berkembang pesat. Upscaler berbasis difusi (teknologi yang sama di balik Stable Diffusion) kini dapat menghasilkan pembesaran 8× yang secara visual tidak dapat dibedakan dari foto resolusi tinggi asli — untuk jenis gambar yang tepat. Pertukarannya adalah kecepatan: upscaling difusi membutuhkan 10-30 detik pada GPU, menit pada CPU.

Untuk sekarang, pilihan praktis bagi sebagian besar pengguna adalah Lanczos + sharpen. Cepat, gratis, berjalan di browser apa pun, dan menghasilkan kualitas yang "cukup baik" untuk 90% kasus penggunaan. Upscaling AI adalah pilihan yang tepat ketika kualitas lebih penting daripada kecepatan, dan ketika jenis gambar adalah salah satu yang dilatihkan pada model AI.