T/07 · UPSCALE AI

Bilder hochskalieren. Echtes Detail synthetisieren.

Bis zu 4× mit einem Modell, das auf Milliarden echter Bildpatches trainiert ist. Es streckt keine Pixel — es rekonstruiert plausible Textur, Kanten und Gradienten. Alte Fotos, Thumbnails, Screenshots — druckfertig.

Foto zum Hochskalieren ablegen

oder hierher ziehen und ablegen

JPG · PNG · WebP · AVIF · bis zu 50 MB

S/02 — SO FUNKTIONIERT'S

Drei Schritte. Keine Umwege.

Hochladen, verarbeiten, herunterladen. Dateien werden 24 Stunden nach der Verarbeitung automatisch gelöscht.

S/02 · 01

✓compress · selected

Tool wählen

Such dir aus dem Toolkit aus, was du brauchst.

S/02 · 02

Bild ablegen

Ziehen, klicken oder einfügen. Keine Ladebalken nötig.

S/02 · 03

Herunterladen

Ergebnis fertig, Original unverändert.

S/SPECIMEN — SYNTHETISIERTES DETAIL

Von 480 px auf 1920 px. Kein Strecken, kein Pixeln.

Pixelgenauer Vergleich zwischen standardmäßiger Bikubik-Interpolation und unserem Super-Resolution-Modell. Die Ausgabe ist keine Streckung der Quelle — sie ist Detail, rekonstruiert aus gelernten Mustern.

480 × 320 → 1920 × 1280 · 4× linear · 153 600 px → 2 457 600 px (16× px) · imgpix-sr-v1

S/V — WARUM UPSCALE

Upscale, aus vier Blickwinkeln.

T/07.1 · SCALE FACTOR MATRIXFROM 480 × 320

SINGLE PASS

2×

480 × 320→960 × 640

4× px

DEFAULT

4×

480 × 320→1920 × 1280

16× px

multi-pass

CHAINED

8×

480 × 320→3840 × 2560

64× px

multi-pass

CHAINED

16×

480 × 320→7680 × 5120

256× px

4× lineal = 16× píxeles · 1 sola pasada

FAKTOR

Bis zu 4× in einem Durchgang.

Aus einem 512²-Foto wird eine 2048²-Druckdatei; aus einem 1080²-Thumbnail ein 4320²-Hero. Optional Multi-Pass, um ohne Qualitätsverlust weiter zu gehen.

T/07.2 · PIXEL DIFF · 12 × 12SAME REGION · SAME OUTPUT SIZE

BICUBICinterpolated

EDGE: smooth

TEXTURE: averaged

DETAIL: lost

AI · SR-V1synthesized

EDGE: crisp

TEXTURE: reconstructed

DETAIL: synthesized

Misma región · misma resolución de salida · diferencia a nivel píxel

DETAIL

Synthetisiertes Detail, nicht interpoliert.

Bikubik streckt Gradienten und verschwimmt Kanten. Unser Modell rekonstruiert plausible Textur, Ecken und Mikro-Detail aus gelernten Mustern. Der Unterschied ist auf Pixelebene sichtbar.

T/07.3 · USE CASESRESCUE PROFILES

FAMILY SCAN

Escaneos vintage

600 × 400 · grano

2400 × 1600 · texturas recuperadas

WEB THUMB

Miniaturas web

256 × 256 · fuente única

1024 × 1024 · listo para hero

STOCK PRINT

Stock para print

800 × 600 · web stock

3200 × 2400 · ready-to-print

JPG ARTIFACT

JPG comprimido

~70% quality · ringing

limpio · sin ringing

Donde un upscaler clásico falla · estructura recuperada

RETTUNG

Rette unmögliche Fotos.

Körnige Familienscans, vergessene Web-Thumbnails, niedrig aufgelöste Screenshots, überkomprimierte JPGs. Wo ein klassischer Upscaler versagt, findet das Modell Struktur.

T/07.4 · MODEL SPEC SHEETimgpix-sr-v1

imgpix-sr-v1

super-resolution · frozen weights · v1.2.0

LIVE

MODEL: imgpix-sr-v1; super-resolución · frozen · versionado
TRAINING: ~3 B parches; fotos reales · sin tus uploads
INFERENCE: 8–25 s típico; GPU dedicada · escalado a carga
MAX INPUT: 4 096 px lado largo; JPG · PNG · WebP · AVIF · HEIC · TIFF
PRIVACY: Zero retention; tus imágenes no entran al pipeline

MODELL

Datenblatt der Engine.

imgpix-sr-v1-Modell, trainiert auf Milliarden echter Bildpatches. Inferenz auf dedizierter GPU, typische Latenz 8–25 s. Deine Bilder gelangen nie in die Trainingspipeline.

SPECT/07

FAKTOR: 2× · 4× (Standard) · bis 8× mit Multi-Pass
MODELL: imgpix-sr-v1 · Super-Resolution
EINGABE: JPG · PNG · WebP · AVIF · HEIC · TIFF
MAX EINGABE: Bis zu 4096 px an der langen Kante
LATENZ: 8–25 s typisch, abhängig von Größe und Last
DATENSCHUTZ: Kein Training mit deinen Bildern

S/F — FAQ

Upscale, kurz beantwortet.

Wie weit kann ich hochskalieren?

Bis zu 4× linear in einem Durchgang (16× Pixel). Darüber hinaus reihst du 2×-Durchgänge: 2× → 4× → 8×. Jeder Durchgang fügt Inferenzzeit und Kosten hinzu; das Modell ist für den Bereich 2×–4× optimiert.

Fügt es echtes Detail hinzu oder nur Vergrößerung?

Es synthetisiert plausibles Detail aus dem lokalen Kontext. Es sieht echt aus, ist aber gelernte Rekonstruktion — keine versteckten Informationen aus dem Original. Für forensische Nutzung im Kopf behalten.

Für welche Bilder ist es am besten?

Bei natürlichen Texturen (Haut, Stoff, Laub, Landschaften) glänzt es am meisten. Synthetische Grafiken und Screenshots funktionieren ebenfalls gut. Stark komprimierte JPGs können Artefakte verstärken — ein Denoise-Durchgang vorher hilft.

Werden meine Bilder zum Training des Modells verwendet?

Nein. Deine Uploads werden ausschließlich zur Verarbeitung deines Jobs genutzt. Null Rückkopplung in die Trainingspipeline. Das Modell ist eingefroren und versioniert.