AI-апскейлинг изображений в мобильном приложении

import CoreML
import Vision

class ImageUpscaler {
    private let model: VNCoreMLModel

    init() throws {
        let config = MLModelConfiguration()
        config.computeUnits = .cpuAndNeuralEngine // Используем Neural Engine
        let coreMLModel = try RealESRGAN(configuration: config)
        model = try VNCoreMLModel(for: coreMLModel.model)
    }

    func upscale(_ image: UIImage) async throws -> UIImage {
        guard let cgImage = image.cgImage else {
            throw UpscaleError.invalidInput
        }

        return try await withCheckedThrowingContinuation { continuation in
            let request = VNCoreMLRequest(model: model) { request, error in
                if let error = error {
                    continuation.resume(throwing: error)
                    return
                }

                guard let results = request.results as? [VNPixelBufferObservation],
                      let outputBuffer = results.first?.pixelBuffer else {
                    continuation.resume(throwing: UpscaleError.noOutput)
                    return
                }

                let ciImage = CIImage(cvPixelBuffer: outputBuffer)
                let context = CIContext()
                guard let outputCG = context.createCGImage(ciImage, from: ciImage.extent) else {
                    continuation.resume(throwing: UpscaleError.conversionFailed)
                    return
                }

                continuation.resume(returning: UIImage(cgImage: outputCG))
            }

            request.imageCropAndScaleOption = .scaleFit
            let handler = VNImageRequestHandler(cgImage: cgImage)
            try? handler.perform([request])
        }
    }
}

Real-ESRGAN — наиболее качественная модель для ×4 апскейла. Существуют Core ML-конвертированные версии. Ограничение: Real-ESRGAN ожидает входной тайл фиксированного размера (обычно 256×256 или 512×512). Для больших изображений нарезаем на тайлы с перекрытием (overlap 16–32 пикселя) чтобы избежать швов. Real-ESRGAN: Xintao Wang et al., GitHub repository

func upscaleTiled(_ image: UIImage, tileSize: Int = 256, overlap: Int = 16) async throws -> UIImage {
    let tiles = splitIntoTiles(image: image, tileSize: tileSize, overlap: overlap)
    let upscaledTiles = try await withThrowingTaskGroup(of: (Int, Int, UIImage).self) { group in
        for (row, col, tile) in tiles {
            group.addTask {
                let upscaled = try await self.upscale(tile)
                return (row, col, upscaled)
            }
        }
        var results: [(Int, Int, UIImage)] = []
        for try await result in group {
            results.append(result)
        }
        return results
    }
    return mergeTiles(upscaledTiles, originalSize: image.size, scaleFactor: 4, overlap: overlap)
}

На iPhone 15 Pro с Neural Engine: 512×512 → 2048×2048 за ~800 мс. 1024×1024 разбиваем на тайлы → 2–4 секунды.

On-device: ONNX Runtime на Android

Real-ESRGAN в формате ONNX (~15 МБ для модели small):

class OnnxUpscaler(context: Context) {
    private val session: OrtSession

    init {
        val env = OrtEnvironment.getEnvironment()
        val options = OrtSession.SessionOptions().apply {
            addNnapi() // Используем NNAPI для ускорения
        }
        val modelBytes = context.assets.open("realesrgan_x4.onnx").readBytes()
        session = env.createSession(modelBytes, options)
    }

    fun upscale(bitmap: Bitmap): Bitmap {
        // Конвертируем Bitmap в float тензор [1, 3, H, W], нормализуем в [0, 1]
        val inputTensor = bitmapToTensor(bitmap)
        val inputName = session.inputNames.first()!!
        val output = session.run(mapOf(inputName to inputTensor))
        val outputTensor = output[0].value as Array<*>
        // Конвертируем тензор обратно в Bitmap
        return tensorToBitmap(outputTensor, bitmap.width * 4, bitmap.height * 4)
    }
}

NNAPI на современных Android-устройствах даёт 2–4× ускорение по сравнению с CPU. На Snapdragon 8 Gen 2 — 512×512 за ~1,2 секунды.

Облачные API

Отметим: когда on-device слишком медленно или нужен более высокий коэффициент апскейла (×8, ×16): Replicate — Real-ESRGAN:

let body: [String: Any] = [
    "version": "...", // real-esrgan model hash
    "input": [
        "image": "data:image/jpeg;base64,\(base64Image)",
        "scale": 4,
        "face_enhance": true // GFPGAN для улучшения лиц
    ]
]

face_enhance: true запускает GFPGAN поверх Real-ESRGAN — для портретных фото это важно, без него лица могут получить артефакты.

Stability AI Upscale API:

val requestBody = MultipartBody.Builder()
    .setType(MultipartBody.FORM)
    .addFormDataPart("image", "photo.jpg", imageFile.asRequestBody("image/jpeg".toMediaType()))
    .addFormDataPart("output_format", "png")
    .build()

Stability AI возвращает PNG с ×4 апскейлом через Creative Upscaler (SD-based, добавляет детали) или Conservative Upscaler (меньше изменений оригинала).

Как интегрировать AI-апскейлинг: пошаговая инструкция

1. Выбор модели — Real-ESRGAN для on-device, облачный API для максимального качества.
2. Конвертация в нужный формат — Core ML для iOS, ONNX для Android.
3. Реализация тайлинга — разбивка на тайлы с перекрытием, параллельная обработка.
4. Интеграция UI — прогресс-индикатор, слайдер сравнения до/после.
5. Тестирование — на разных устройствах, с разными исходными изображениями.

Выбор подхода

Как выбрать между on-device и облачным апскейлингом?

On-device подход быстрый и бесплатный, но ограничен производительностью устройства и размером модели. Облачные API дают более высокое качество и коэффициенты увеличения, но добавляют задержку и стоимость запросов. Если приложение ориентировано на офлайн-сценарии или экономию трафика — выбирайте on-device. Если нужно максимальное качество для портретов или старых фотографий — облако оправдано. Мы реализуем гибридный подход, автоматически выбирая лучший путь.

Сравнение on-device и облачного апскейлинга

Почему Real-ESRGAN лучше стандартных алгоритмов?

Real-ESRGAN в 2–3 раза качественнее бикубического апскейлинга: он восстанавливает текстуры, шумоподавление, резкость. В комбинации с GFPGAN для лиц — практически убирает артефакты. Это доказано в многочисленных тестах и подтверждено оригинальной статьёй. Мы используем эту модель в большинстве проектов, включая продукты с тысячами пользователей.

UX: прогресс и сравнение

On-device апскейл — хорошо показывать прогресс тайлинга: «Обрабатываем 3 из 12 фрагментов». Пользователь не чувствует зависания.

После завершения — интерактивный slider «до/после» (MagnificationGesture на iOS, custom View с touch на Android). Это стандарт UI для любых инструментов улучшения фото.

Что входит в работу

• Анализ требований и выбор оптимального подхода (on-device / облачный / гибрид)
• Разработка нативного модуля апскейла (Swift / Kotlin)
• Интеграция выбранной модели (Core ML, ONNX, облачный API)
• Реализация тайлинга с перекрытием и прогресс-индикации
• Добавление слайдера для сравнения до/после
• Тестирование на реальных устройствах с разными характеристиками
• Документация и передача исходного кода
• Поддержка в течение месяца после запуска

Ориентировочные сроки

On-device апскейл с тайлингом и прогресс-индикатором — 5–8 дней. Облачный апскейл + face enhancement + slider до/после + сохранение в галерею — 8–12 дней. Гибридный с оценкой качества и выбором пути — ещё 3–5 дней сверху.

Свяжитесь с нами для оценки вашего проекта: получите консультацию по выбору подхода и примерную стоимость.