Upscayl thay ComfyUI khi chỉ cần phóng to ảnh, không cần cả quy trình AI

Đồ thị node có giá trị khi các bước xử lý cần được nhìn thấy và điều chỉnh riêng. ComfyUI đặt từng công đoạn vào một khối, nối chúng bằng đường dẫn dữ liệu, nhờ đó người dùng có thể xây dựng quy trình tạo hoặc chỉnh sửa ảnh theo ý mình. Cái giá của cách làm ấy là ngay một tác vụ đơn giản cũng xuất hiện dưới hình thức của một quy trình cần cấu hình.

Trong ví dụ phóng to ảnh được XDA mô tả, người dùng tải mô hình từ OpenModelDB, đưa vào thư mục upscale_models rồi nối bốn node: Load Image, Load Upscale Model, Upscale Image và Save Image. Con số này mô tả một cách thiết lập cụ thể, không có nghĩa mọi lần sử dụng ComfyUI đều phải dựng lại từ đầu. Khi đã lưu được quy trình phù hợp, phần công sức ban đầu có thể tiếp tục được tận dụng.

Vấn đề là khoản công sức đó có đáng bỏ ra cho nhu cầu thực tế hay không. Nếu cần thay mô hình ở từng công đoạn hoặc đưa thao tác phóng to vào một chuỗi xử lý dài hơn, việc nhìn thấy các kết nối là một lợi thế. Còn nếu đầu vào luôn là một ảnh và đầu ra chỉ là bản lớn hơn, rất nhiều khả năng của ComfyUI sẽ nằm ngoài công việc đang làm.

Upscayl chọn cách đóng gói sẵn công việc ấy. Giao diện chia thành các bước chọn ảnh, chọn mô hình, chọn nơi lưu rồi bắt đầu xử lý. Người dùng vẫn phải quyết định mô hình nào hợp với ảnh, nhưng không cần tự nối các khối để diễn đạt lại một thao tác vốn đã rõ mục đích.

Vì thế, chuyển việc phóng to ảnh sang Upscayl không đồng nghĩa phải bỏ ComfyUI. Tách tác vụ nhỏ khỏi bộ công cụ lớn có thể giúp việc thường ngày bớt phụ thuộc vào một cấu hình nhiều thành phần. ComfyUI vẫn giữ vai trò khi cần xây quy trình; ứng dụng chuyên dụng nhận phần việc không cần đến sự linh hoạt ấy.

Cũng cần tách phóng to ảnh khỏi tạo ảnh từ văn bản. Upscayl bắt đầu bằng hình ảnh có sẵn, nên không phải lựa chọn thay thế trực tiếp cho một quy trình tạo ảnh bằng mô hình khuếch tán. Gọi nó là công cụ thay ComfyUI chỉ hợp lý trong phạm vi nâng độ phân giải, không phải toàn bộ những gì ComfyUI có thể thực hiện.

Giới hạn quan trọng nhất của Upscayl nằm ở bản chất chi tiết được thêm vào. Tài liệu chính thức giải thích ứng dụng dùng mô hình AI để đoán chi tiết có thể trông như thế nào, với Real-ESRGAN là một thành phần công nghệ nền. Đây không phải thao tác lấy lại những điểm ảnh nguyên vẹn đang bị giấu trong tệp gốc.

Cơ chế huấn luyện được mô tả qua việc làm suy giảm ảnh sạch bằng các quá trình gây mờ và nén, rồi cho mô hình học cách xử lý ảnh suy giảm. Nhờ vậy, ứng dụng có thể tạo ra đường nét trông hợp lý hơn ở kích thước lớn. Nhưng sự hợp lý về thị giác và độ chính xác của thông tin là hai tiêu chí khác nhau.

Ảnh phong cảnh dùng làm hình nền có thể được hưởng lợi từ đường biên rõ hơn, còn chữ nhỏ trên hóa đơn hoặc dấu vết trên một bức ảnh cần kiểm chứng lại đòi hỏi sự trung thành với bản gốc. Với nhóm thứ hai, một đường nét được AI đoán sai có thể làm thay đổi nội dung thay vì chỉ thay đổi vẻ ngoài. Cách dùng an toàn là giữ nguyên tệp gốc và coi bản phóng to như bản phục vụ hiển thị, không dùng nó thay bằng chứng gốc.

Ảnh thiếu độ phân giải cũng khác ảnh chụp sai nét. Dự án Upscayl nói rõ công cụ phù hợp với ảnh độ phân giải thấp hoặc bị vỡ hạt, nhưng không thể khử mờ hay điều chỉnh lại điểm lấy nét. Khi khuôn mặt hoặc vật thể đã nhòe nặng, tăng kích thước không làm thông tin quang học ban đầu xuất hiện trở lại. Chọn đúng loại ảnh đầu vào quan trọng hơn việc đẩy mức phóng đại lên cao.

Việc chọn mô hình vì thế cần dựa vào nội dung, không dựa vào tên nghe hấp dẫn nhất. Danh sách được XDA ghi nhận gồm Upscayl Standard cho ảnh thông thường, Lite thiên về tốc độ, High Fidelity và Digital Art. Tài liệu dự án xác nhận High Fidelity dùng mô hình HFA2k của Helaman. Các lựa chọn này phản ánh những cách xử lý khác nhau, chứ không phải một thang chất lượng mà mục cuối luôn tốt hơn mục đầu.

Với ảnh chụp, đường nét sạch quá mức có thể khiến bề mặt trông giả; còn với tranh minh họa, cách xử lý phù hợp nét vẽ lại có thể hữu ích. Nên bắt đầu từ mô hình dành cho đúng loại hình ảnh rồi so vùng có chi tiết quan trọng giữa bản gốc và bản xuất. Đánh giá toàn bộ ảnh khi thu nhỏ rất dễ bỏ qua những biến dạng chỉ lộ ra lúc nhìn kỹ.

Mức phóng đại cũng cần được đọc đúng. Theo phần thiết lập được XDA mô tả, kéo cao hơn mức 4x không mặc nhiên làm mô hình AI suy luận thêm; phần vượt mức có thể chỉ là thay đổi kích thước thông thường. Double Upscayl là chế độ chạy mô hình hai lượt, còn TTA xử lý tám biến thể rồi kết hợp để hạn chế hiện tượng bất thường. Nhiều lượt xử lý hơn vẫn không bảo đảm chi tiết sẽ trung thực hơn.

Với một thư mục ảnh lớn, nên kiểm tra vài ảnh đại diện trước khi chạy cả loạt. Nếu cùng một mô hình làm sai chất liệu hoặc đường nét khuôn mặt, lỗi ấy có thể lặp lại trên nhiều tệp. Chọn kết quả ít biến dạng hơn có ý nghĩa thực tế hơn việc chỉ chọn ảnh có kích thước lớn nhất.