Klein, schnell, prüfbar
Das 109-KB-Gewicht von AMD steht unter Apache-2.0; sein exakter SHA-256 wird bei jedem Build geprüft.
Bilder mit echter lokaler KI vergrößern
Ein echtes Super-Resolution-Netzwerk rekonstruiert Kanten. Vergleiche es pixelgenau mit normaler Browser-Skalierung – das Bild bleibt auf diesem Gerät.
↗SESR-S109 KBLOCAL AI
Kleines Bild hier ablegenCtrl/⌘ V oder Bild einfügenJPEG, PNG oder WebP · bis 50 MB
SESR-S INT82× oder 4× in zwei Durchläufen
Beim ersten Einsatz werden das 109-KB-Modell und die lokale ONNX-Laufzeit geladen. Danach stehen die gespeicherten Dateien auch offline bereit.
SESR-S INT8 · Apache-2.0
Rekonstruierte Details prüfen
Browser-SkalierungLokale KI
Modellinferenz, Vergleich und Export bleiben im Browser. Keine Anfrage enthält das Bild.
Lokal weiterarbeiten
Apache-2.0 · INT8 · ONNX
Messbares neuronales Ergebnis statt KI-Etikett auf Interpolation
Das Werkzeug führt ein fest eingebundenes INT8-SESR-Netz auf RGB-Kacheln aus und zeigt darunter die gewöhnliche Browser-Skalierung. Laufzeit, Kachelzahl und mittlere Pixelabweichung machen den Nutzen überprüfbar.
Die Basis bleibt sichtbar
Einpassen, 100 % und 200 % vergleichen das neuronale Resultat bei identischen Abmessungen mit normaler Skalierung.
2× und ehrliches 4×
4× besteht ausdrücklich aus zwei 2×-Durchläufen und wird durch ein 16-MP-Limit statt versteckter Cloud-Kontingente geschützt.
Fragen zur lokalen KI-Vergrößerung
Ist das echte KI oder nur Skalierung?
ONNX Runtime führt das SESR-S-INT8-Super-Resolution-Modell aus. Die Gegenseite zeigt Browser-Skalierung; der Beleg nennt die messbare Pixelabweichung.
Wird das Bild hochgeladen?
Nein. Nur Modell und Laufzeit werden geladen. Dekodierung, Inferenz, Vergleich und Export geschehen lokal.
Warum wirkt 4× manchmal zu stark?
4× wendet das 2×-Modell zweimal an. Bei Ringing oder erfundener Textur die KI-Stärke senken oder 2× verwenden.