PixGamma

Bài toán

Ảnh cần phóng to có ở khắp nơi: ảnh sản phẩm cho cửa hàng online, ảnh cũ trong album gia đình, ảnh chụp động vật hay phong cảnh cần in khổ lớn, tranh minh hoạ, ảnh chụp màn hình để làm tài liệu. Chúng thường nhỏ, mờ hoặc đã bị nén nhiều lần. Phóng bằng công cụ AI phổ biến hay gặp mấy lỗi quen thuộc: chữ bị vẽ thành ký tự khác, da, lông, vải bị phủ vân giả, màu bị ngả, còn ảnh thì phải tải lên máy chủ của người khác.

Giải pháp

PixGamma là app macOS viết bằng Swift, chạy toàn bộ bằng Core ML trên GPU Apple Silicon: ảnh không rời khỏi máy. Giao diện Sáng và Tối để ảnh chiếm cả cửa sổ: dock nhỏ chọn chế độ, dải ảnh phía dưới, so sánh trước/sau đúng điểm ảnh ở 100% và 200% (chia đôi hoặc song song), xuất từng ảnh hoặc tất cả. Có chế độ Auto tự phân tích ảnh để chọn model và độ mạnh, lệnh pixgamma để xử lý hàng loạt và HTTP API cục bộ để nối vào script, web hay app khác.

Dùng cho

Model ảnh chụp riêng

PixGamma Photo v2 là model ảnh mặc định: Photo v1 train tiếp với GAN nhẹ để lông, tóc, hạt vải rõ hơn (DISTS trên ảnh sắc nét 0,170 so với 0,183 của v1). Vùng chữ vẫn chạy Photo v1 không GAN, nên GAN không vẽ nét chữ.

PixGamma Photo v1 là DAT2 fine-tune 15.000 vòng ngay trên Mac, từ model mạnh nhất trong 10 model công khai đã chấm. Dữ liệu CC0 và public domain, ảnh nhỏ làm theo chuỗi thu nhỏ + nén JPEG hai lần như ảnh trên mạng, không dùng GAN để không bịa vân. Trên 40 ảnh không dùng để train: PSNR 30,5 dB (bản gốc 29,0), DISTS 0,165 (0,173), gần như không lệch màu.

Giữ chữ, kể cả tiếng Việt

Apple Vision dò chữ trên ảnh gốc, ảnh phóng 2x và ảnh đã phóng. Vùng chữ được đo cỡ từ điểm ảnh rồi dựng lại bằng model trung thực. Chữ quá nhỏ hoặc quá nhiễu để dựng đúng thì giữ bản phóng thường, không vẽ thành chữ khác. Trên bộ chấm banner chữ Việt và Anh: OCR đọc đúng 91,1%.

Recover bằng diffusion

Realistic Vision 5.1 + ControlNet Tile chạy Core ML, chia ô không đường nối, bộ lấy mẫu DPM++ 2M SDE tự viết, lượt riêng cho mắt. Apple Vision mô tả ảnh ngay trên máy (ví dụ "vẹt, lông chi tiết") để làm prompt; động vật, cây cỏ, chân dung tự đặt Resemblance 85 để lông, tóc theo đúng bố cục ảnh. Ảnh có chữ, bản đồ, sản phẩm có chốt an toàn: giới hạn độ sáng tạo và khoá hình khối.

Phát hành và cập nhật

File cài DMG, tự cập nhật từ GitHub Releases có kiểm tra SHA-256, bundle id và phiên bản, thay app có hoàn tác. Mỗi model chỉ vào app khi thắng bản cũ ở cả bộ chấm lẫn ảnh thật.

Giới hạn hiện tại

• Phóng 4x từ ảnh rất nhỏ (dưới ~500 px) có nhiều tán lá hay hoa văn dày thì chi tiết có thể bệt như tranh vẽ; với ảnh để in, phóng 2x từ ảnh lớn hơn cho kết quả tự nhiên hơn.
• Chữ quá nhỏ (cao khoảng 3 px trong ảnh vào) không dựng lại được: PixGamma giữ bản phóng mềm thay vì đoán chữ. Chữ Apple Vision không tìm thấy thì không được bảo vệ riêng.
• Phục hồi khuôn mặt giữ nguyên ảnh đen trắng, nâu đỏ, không tự tô màu.
• Photo v2 làm lông, tóc rõ hơn v1, nhưng ở 4x từ ảnh nhỏ vẫn chưa tách từng sợi như ảnh gốc: chi tiết đã mất hẳn trong ảnh vào không tạo lại được; độ nét vẫn đang được cải thiện qua từng bản model.

PixGamma dùng miễn phí, phi thương mại, chạy hoàn toàn trên máy. Ảnh mẫu trên trang này lấy từ Wikimedia Commons (CC0 và public domain).