工具说明
图片清晰增强使用 Real-ESRGAN x4plus 修复低清照片中的模糊边缘、噪点和压缩纹理。模型会先在浏览器中以高分辨率重建画面，再按所选尺寸输出原尺寸、2 倍或 4 倍图片。
PyTorch FP32 官方权重只用于离线转换和结果校验；页面实际下载经过验证的 ONNX FP16 模型，并通过 WebGPU 在本地分块推理。图片不会上传到服务器。
使用步骤
上传需要修复的图片
优先使用原始文件，避免先截图或反复压缩。模型适合照片、旧图和带有 JPEG 压缩痕迹的图片。
选择输出倍率
原尺寸适合只改善观感；2 倍适合常规分享和屏幕展示；4 倍适合需要更高像素尺寸的素材。
检查细节并导出
重点放大查看人脸、文字、产品纹理和细线，确认模型没有生成错误细节后再下载。
支持范围与限制
- 浏览器模型
- RealESRGAN_x4plus ONNX FP16，约 32.2 MiB
- 转换基准
- 官方 PyTorch FP32 权重；仅用于离线导出和数值校验，不发送给浏览器
- 输出倍率
- 原尺寸、2 倍或 4 倍；模型内部按 4 倍修复，较小倍率使用高质量缩放输出
- 运行方式
- ONNX Runtime Web + WebGPU，128px 分块并保留重叠边界
- 输入限制
- 最多约 4 MP，最终输出最多约 40 MP，具体速度取决于显卡和图片尺寸
- 隐私
- 图片解码、模型推理和导出均在浏览器本地完成
典型使用场景
修复低清老照片
减轻压缩、噪点和柔糊边缘，让照片在现代屏幕上更容易观看。
改善网络图片
处理经历过缩放或 JPEG 压缩的图片，并按 1 倍或 2 倍输出。
准备更大尺寸素材
使用 4 倍输出增加像素尺寸，再在最终排版或展示环境中检查效果。
使用前需要知道的事
- 模型生成的是视觉上合理的估计，不是恢复原图从未记录的信息。证件、档案、医疗、司法或取证图片不能把增强结果当作事实依据。
- 低分辨率人脸、文字和规则图案最容易出现错误重建，必须与原图逐处比较。
- 高清模型需要 WebGPU。首次使用会下载约 32.2 MiB 模型资源，之后通常由浏览器缓存。
相关概念
- Real-ESRGAN
- 面向真实世界未知退化图片的盲超分辨率与图像修复模型。
- ONNX FP16
- 采用半精度权重的跨平台模型格式，用较小下载体积和显存换取接近 FP32 的结果。
- 分块推理
- 把大图拆成带重叠边缘的小块运行模型，再裁去重叠区域并拼回输出图。