AI ছবি বড় করা: ESRGAN মডেল, hires-fix, টাইলড ডিফিউশন এবং কখন কোনটা ঠিক

Q: আপস্কেল করা ছবি অতিরিক্ত শার্প এবং ক্রাঞ্চি দেখাচ্ছে

4x ESRGAN আউটপুট 4x এ রাখা হয়েছে। 2x এ ডাউনস্কেল করুন, অথবা Remacri/SwinIR ব্যবহার করুন।

Q: টাইলড পাসের পর মুখ পরিবর্তিত হয়েছে

ডিনয়েজ খুব বেশি; টাইলগুলো মুখ নতুনভাবে কল্পনা করেছে। ডিনয়েজ 0.2-0.25, Tile ControlNet চালু, পরে face detailer চালান।

Q: দৃশ্যমান গ্রিড সিম

ওভারল্যাপ কম বা সিম ফিক্স নেই। প্যাডিং 32-64, সিম ফিক্স মোড, অথবা এক পাসের জন্য SUPIR ব্যবহার করুন।

Q: Hires-fix দ্বিগুণ হাত-পা তৈরি করছে

মডেলের জন্য আপস্কেল ফ্যাক্টর বা ডিনয়েজ খুব বেশি। সর্বোচ্চ 1.5x আপস্কেল, ডিনয়েজ 0.4, অথবা latent এর পরিবর্তে পিক্সেল আপস্কেলার ব্যবহার করুন।

Q: ডিকোড ধাপে মেমরি শেষ হয়ে গেছে

4K ছবির ফুল-সাইজ VAE ডিকোড। VAE Decode (Tiled) এবং ছোট টাইল ব্যবহার করুন।

বিষয়: মডেল

লিখেছেন Quartermaster

প্রকাশিত মার্চ 4, 2026

সারসংক্ষেপ

ছবি মডেলগুলো তাদের নিজস্ব সাইজে (SD 1.5 এর জন্য 512, SDXL এবং Flux এর জন্য 1024) ভালো আঁকে, কিন্তু বড় সাইজে খারাপ হয়, তাই বড় ছবি পেতে প্রথমে নিজস্ব সাইজে তৈরি করে পরে বড় করতে হয়। বড় করার তিনটি উপায় আছে, এবং সেগুলো একে অপরের পরিবর্তে ব্যবহার করা যায় না। পিক্সেল আপস্কেলার হলো ছোট নেটওয়ার্ক (ESRGAN পরিবার, SwinIR, DAT) যা রিসাইজ করার সময় ছবিকে শার্প করে; এগুলো দ্রুত, বিশ্বস্ত এবং নতুন কিছু যোগ করে না। Hires-fix হলো জেনারেশনের সময় বড় সাইজে দ্বিতীয় ডিফিউশন পাস যা মাঝারি ডিনয়েজে আসল বিস্তারিত যোগ করে। টাইলড ডিফিউশন বড় ছবিকে ওভারল্যাপিং টাইলসে ভাগ করে প্রতিটিতে img2img চালায়, যা 4K এবং তার বেশি সাইজে বিশ্বাসযোগ্য বিস্তারিত তৈরি করতে পারে, Tile ControlNet দ্বারা গাইডেড যাতে টাইলগুলো বিশ্বস্ত থাকে।

কোনটা দরকার তা নির্ভর করে লক্ষ্য অনুযায়ী। ওয়েব এবং সোশ্যাল মিডিয়ার জন্য, পরিষ্কার রেন্ডারের 2x পিক্সেল আপস্কেল যথেষ্ট এবং দুই সেকেন্ড লাগে। প্রিন্ট, প্রোডাক্ট এবং ওয়ালপেপারের জন্য, 2x পিক্সেল আপস্কেল করার পর কম ডিনয়েজে টাইলড ডিফিউশন পাস দিলে মানুষ যা আশা করে সেই ধরনের "4K AI আর্ট" এর বিস্তারিত পাওয়া যায়। Hires-fix এর মাঝামাঝি অবস্থানে থাকে এবং Forge ও A1111 এ ডিফল্ট কারণ: এটা 1024 সাইজের অস্পষ্ট মুখ ঠিক করে দ্বিতীয় ওয়ার্কফ্লো ছাড়াই।

এই সাইটের Upscalers পরিবার পিক্সেল আপস্কেলারগুলো তাদের উদ্দেশ্য (ফটো, অ্যানিমে, মুখ, টেক্সট) এবং ডিফিউশন-ভিত্তিক উন্নতকারীদের তাদের মূল পরিবারসহ তালিকাভুক্ত করে। ক্লাউড পার্টনাররাও একই টুল ব্যবহার করে: PirateDiffusion এ /upscale এবং /enhance কমান্ড আছে, BitVector এ প্রতিটি ফলাফলের পাশে আপস্কেল বাটন আছে।

রেফারেন্স

নাম	ধরন	এটি কী
4x-UltraSharp	pixel upscaler, ESRGAN	ফটো এবং রেন্ডারের জন্য ডিফল্ট: শার্প, একটু ক্রাঞ্চি; পরে 2x এ ডাউনস্কেল করলে প্রাকৃতিক দেখায়।
Real-ESRGAN x4plus / x4plus-anime	pixel upscaler	মজবুত সাধারণ ব্যবহার; অ্যানিমে ভার্সন ইলাস্ট্রেশনে লাইনগুলো পরিষ্কার রাখে।
4x-NMKD-Siax, 4x-Foolhardy-Remacri	pixel upscaler	UltraSharp এর তুলনায় নরম বিকল্প; Remacri নরম ফটো জন্য, Siax বিস্তারিত টেক্সচারের জন্য।
SwinIR / DAT / HAT	pixel upscaler, transformer	উচ্চতর বিশ্বস্ততা, ধীর; যেখানে ESRGAN টেক্সচার তৈরি করে সেসব ফটোর জন্য সেরা।
Hires-fix	generation setting	পিক্সেল আপস্কেলার দিয়ে 1.5-2x আপস্কেল করে নতুন সাইজে 0.3-0.5 ডিনয়েজ। A1111/Forge এ চেকবক্স; ComfyUI তে দ্বিতীয় KSampler হিসেবে।
Ultimate SD Upscale	tiled diffusion	1024 টাইল, 64 px ওভারল্যাপ, ডিনয়েজ 0.2-0.35, Tile ControlNet চালু। 2048 কে 4096 এ নতুন বিস্তারিত সহ রূপান্তর করে।
SUPIR / Flux tiled / SeedVR	diffusion restorers	ভারী মডেল যা পুরানো বা কম মানের ছবি পুনরুদ্ধার ও উন্নত করে; 16 GB+ মেমরি এবং মিনিট সময় লাগে।
Denoise	0.2-0.5	যেকোনো ডিফিউশন আপস্কেলে কতটা পরিবর্তন হতে পারে। 0.2 সবকিছু রাখে; 0.5 টেক্সচার পুনর্অঙ্কন করে এবং মুখ পরিবর্তন করতে পারে।

ধাপে ধাপে

নিজস্ব সাইজে তৈরি করে প্রথমে কম্পোজিশন এবং মুখ ঠিক করুন (ইনপেইন্টিং); আপস্কেল করলে ত্রুটি বাড়ে, ঠিক হয় না।
দ্রুত পদ্ধতি: 4x-UltraSharp দিয়ে Upscale Image (Model ব্যবহার করে), তারপর মূল ছবির 2x এ Image Scale। কয়েক সেকেন্ডে শেষ; ওয়েবের জন্য ভালো।
Hires-fix পদ্ধতি (Forge, A1111): Hires.fix চালু করুন, আপস্কেলার 4x-UltraSharp বা Latent, 1.5-2x আপস্কেল, hires স্টেপ 15, ডিনয়েজ 0.4। ComfyUI তে: Upscale Latent By 1.5 -> দ্বিতীয় KSampler ডিনয়েজ 0.45 এ।
প্রিন্টের জন্য: 2x পিক্সেল আপস্কেল, তারপর একই চেকপয়েন্ট দিয়ে Ultimate SD Upscale, টাইল 1024, প্যাডিং 32, ডিনয়েজ 0.25, Tile ControlNet শক্তি 0.6, সিম ফিক্স "হাফ টাইল"। কয়েক মিনিট সময় লাগবে।
মুখের জন্য: আপস্কেল করার পর face detailer পাস চালান (ADetailer, FaceDetailer node) ডিনয়েজ 0.35 এ; বড় ছবিতে ছোট মুখ আবার বড় হয়।
হালকা শার্প করুন এবং প্রিন্টের জন্য PNG, ওয়েবের জন্য WebP বা JPEG 92 এ এক্সপোর্ট করুন। 1x রেন্ডারের সাথে 100% এ তুলনা করে নতুন তৈরি আর্টিফ্যাক্ট ধরুন।
ক্লাউডে: PirateDiffusion ফলাফলের উত্তর দিন /upscale (পিক্সেল) বা /enhance (ডিফিউশন); BitVector এ ছবির কার্ডে Upscale চাপুন।

উদাহরণ

ComfyUI দ্রুত 2x

VAE Decode -> Upscale Image (using Model: 4x-UltraSharp) -> Image Scale (0.5, lanczos) -> Save Image

Forge hires-fix সেটিংস

Hires. fix: upscaler 4x-UltraSharp | upscale by 1.5 | hires steps 15 | denoising strength 0.4 | same seed

প্রিন্টের জন্য Ultimate SD Upscale

টিপস

শেষ ছবি আপস্কেল করুন, প্রতিটি খসড়া নয়; 1024 রেন্ডারে 4x পাস মানে ১৬ মিলিয়ন পিক্সেল এবং সময় লাগে।
ESRGAN মডেল 4x এর জন্য ট্রেইন করা; 2x এ চালালে 4x করে পরে ডাউনস্কেল করে, তাই ডাউনস্কেল না করলে আউটপুট অতিরিক্ত শার্প দেখায়।
অ্যানিমে এবং ফ্ল্যাট ইলাস্ট্রেশনের জন্য অ্যানিমে ভার্সন দরকার, না হলে লাইন ডাবল হবে; ফটোতে SwinIR, DAT বা Remacri দরকার না হলে ত্বক প্লাস্টিকের মত দেখাবে।
টাইলড ডিফিউশনে প্রম্পট সংক্ষিপ্ত এবং সাধারণ রাখুন ("highly detailed, sharp focus, natural skin") যাতে কোনো টাইল নতুন বিষয় তৈরি না করে।
Hires-fix এ latent আপস্কেল sharp হতে ডিনয়েজ 0.5+ দরকার; পিক্সেল আপস্কেলার 0.3-0.4 এ কাজ করে এবং ছবিকে মূলের কাছাকাছি রাখে।
Upscalers পরিবার পেজ হট অনুযায়ী সাজানো; শীর্ষ তিনটি ৯০% চাহিদা পূরণ করে।

VAE Decode (Tiled) এবং ছোট টাইল ব্যবহার করুন।

প্রশ্ন

কোন আপস্কেলার সবচেয়ে ভালো?

অধিকাংশ রেন্ডারের জন্য 4x-UltraSharp, ইলাস্ট্রেশনের জন্য Real-ESRGAN অ্যানিমে, ফটোর জন্য SwinIR বা DAT। Upscalers পরিবার পেজ ব্যবহার অনুযায়ী র‍্যাঙ্ক করে।

আপস্কেল কি খারাপ হাত ঠিক করে?

না; এটা বড় করে। প্রথমে ইনপেইন্ট করুন, শেষে আপস্কেল করুন।

কত বড় আকারে যেতে পারি?

পিক্সেল আপস্কেলার যেকোনো সাইজে; ধৈর্য ধরে টাইলড ডিফিউশন 8K পর্যন্ত। 4x এর বেশি গেলে মডেল বেশি তৈরি করে, সংরক্ষণ কম।

hires-fix কি আপস্কেলের সমান?

না, এটা জেনারেশনের ভিতরে ডিফিউশন পাস সহ একটি আপস্কেল; বিস্তারিত যোগ করে, সাধারণ আপস্কেলার করে না।

ভিডিও আপস্কেল করা যায়?

হ্যাঁ: ফ্রেম অনুযায়ী ESRGAN (দ্রুত, ঝলক ঝলক ঝুঁকি) অথবা SeedVR মত ভিডিও রিস্টোরার দিয়ে; ভিডিও গাইড আছে।

লিংক ও উৎস

এই গাইডের মডেল

Upscalers মডেল

Stable Diffusion XL 1.0 মডেল

Flux মডেল

লিখেছেন

Quartermaster

ইনভেন্টরি রাখে: প্রতিটি LoRA, প্রতিটি কোয়ান্ট, প্রতিটি ফাইল যাকে কেউ final_v2_REAL.safetensors নামে রিনেম করেছে। হার্ডওয়্যার মাপে কতগুলো Wan রেন্ডার ডিনারের আগে ফিট হয় দেখে। আপনাকে VRAM এর সংখ্যা বলবে, তারপর বলবে সেটা ভুল কারণ আপনার Chrome খোলা আছে। ওজন খোলা না হলে শিপ হয়নি।

Quartermaster এর সব গাইড

img2img, ইনপেইন্টিং এবং আউটপেইন্টিং বেসিকস: হাত ঠিক করা, বস্তু বদলানো এবং ছবি বাড়ানো

ডিসে 3, 2025

ControlNet ব্যাখ্যা: SD 1.5, SDXL এবং Flux এর জন্য পোজ, গভীরতা, এজ এবং রেফারেন্স ছবি

ফেব্রু 18, 2026

Krea2 Enhancer: যেকোনো Krea 2 স্টাইলের জন্য পরিষ্কার ডিটেইল এবং লাইটিং

সেপ্টে 30, 2026

স্টেপ, CFG, স্যাম্পলার, শিডিউলার এবং সিড: নিরাপদ ডিফল্ট সহ জেনারেশন সেটিংস ব্যাখ্যা

নভে 19, 2025

LTX 2.3 ক্রিস্প এনহ্যান্স: আরও তীক্ষ্ণ, আরও সিনেমাটিক ভিডিও ডিটেইল

অক্টো 3, 2026

আরও গাইড

প্রথমে কোন AI ইমেজ মডেলগুলো চেষ্টা করবেন, এবং কেন: একটি র‍্যাঙ্ক করা শুরু তালিকা

সেপ্টে 10, 2025

Checkpoint বনাম LoRA বনাম embedding বনাম ControlNet: কোন ফাইল কী করে

অক্টো 8, 2025

জেনারেটিভ AI ইমেজ মডেলগুলি কীভাবে কাজ করে: ডিফিউশন, ল্যাটেন্ট এবং টেক্সট এনকোডার সহজ ভাষায় ব্যাখ্যা

আগ 28, 2025

LoRA কী এবং ComfyUI, Forge, Automatic1111 ও ক্লাউডে কীভাবে ব্যবহার করবেন

মে 20, 2026

Best AI Models for 8GB GPUs in 2026: What Actually Fits

অক্টো 18, 2026