Gigapixel vs. UI-Upscaling – Skutočný rozdiel vysvetlený
Gigapixel GmbH je špecializovaný obrazový portál pre ultra-vysokorozlíšené fotografie od 100 megapixelov pre veľkoformátové aplikácie – bez UI-upscalingu. Táto stránka vysvetľuje, prečo je rozdiel medzi skutočnou gigapixelovou fotografiou a počítačovo prevzorkovaným materiálom rozhodujúci.
Čo je UI-upscaling?
UI-upscaling označuje použitie neurónových sietí (napr. Topaz Gigapixel AI, Adobe Super Resolution) na počítačové zväčšenie malého východiskového obrazu. Algoritmus bol trénovaný na tisícoch párov obrazov a dokáže štatisticky interpolovať chýbajúce pixely – detaily vymýšľa na základe vzorov, nemeria ich však.
Typická architektúra: Konvolučné neurónové siete (CNN) pracujú na dlaždiciach s rozmermi 256×512 pixelov. Pri veľkých výstupoch sa celý obraz rozdelí na takéto dlaždice, spracuje sa a opäť zloží. Na hraniciach dlaždíc vznikajú viditeľné artefakty.
4×
bežný tréningový faktor – výrazne nad ním: neostrosť a artefakty
(Kim et al., 2025, Chain-of-Zoom)
256 px
Veľkosť dlaždice pri UI-tréningu –
artefakty na veľkých plochách
(Topaz Community, 2020)
94 ppd
Rozlišovacia schopnosť ľudského oka
(Ashraf et al., 2025)
r = 0,091
Korelácia estetického úsudku pri vysokom/nízkom rozlíšení
(Mullin et al., 2017)
Čo je skutočná gigapixelová fotografia?
Gigapixelová fotografia vzniká fyzickým snímaním: Fotoaparát s dlhou ohniskovou vzdialenosťou nasníma stovky až tisíce jednotlivých snímok, ktoré sa pomocou softvéru na stitching spoja do jedného celkového obrazu. Každý pixel vychádza zo skutočného merania svetla senzorom fotoaparátu – žiadna informácia sa nevymýšľa.
Technika: Typicky 70–400 mm ohnisková vzdialenosť, 30–40 % prekrytie, softvér ako PTGui alebo Autopano, výstup vo formáte PSB (až 300.000 × 300.000 pixelov). Čas výpočtu: hodiny až dni (Kopf et al., 2007).
Priame porovnanie: Gigapixel vs. UI-upscaling
| Kritérium | Skutočná gigapixelová fotografia | UI-upscaling |
|---|---|---|
| Zdroj informácií | Senzor fotoaparátu – fyzikálne merané | Štatisticky interpolované – vymyslené |
| Kvalita pri priblížení | Vždy viditeľné nové skutočné detaily | Neostrosť a artefakty pri zväčšení výrazne nad tréningovým faktorom (často 4×) |
| Dokumentačne využiteľné | ✅ Áno – dokumentačne vierohodné | ❌ Nie – generované detaily |
| Požiadavka na zrakovú ostrosť | Spĺňa 94 ppd ľudského oka | Rozdiel rozpoznateľný pri <50 cm |
| Veľkoformátová tlač | Až 200+ m² bez straty kvality | Artefakty viditeľné pri priblížení |
| Healing Environment | Prírodné formy sa považujú za liečivé (Salingaros 2015); chýba porovnanie s obrázkami vytvorenými AI | Nekvalitná simulácia sabotuje ciele |
| Estetická stabilita | r = 1,0 – konzistentný úsudok | r = 0,091 medzi hodnoteniami pri plnom a zníženom rozlíšení (Mullin 2017; AI upscaling nebol skúmaný) |
| Veľkosť súboru | TIFF / PSB – bezstratové | Kompresia zakrýva artefakty |
| Nákladová efektívnosť | Jedna licencia – neobmedzene opakovane použiteľná | Náklady na softvér + riziko kvality |
Prečo ľudské oko rozpozná rozdiel
Ľudský zrakový systém rozlišuje vo foveálnej oblasti v priemere 94 ppd (achromaticky; Ashraf et al. 2025, Nature Communications 16:9086). Pri vzdialenosti 50 cm zodpovedá 94 ppd približne 274 ppi. UI-algoritmy trénované na dlaždiciach 256×512 pixelov nedokážu pri tomto detailnom pohľade poskytnúť fyzikálne správnu informáciu.
Rozdiel je obzvlášť zrejmý pri interaktívnom približovaní: skutočné gigapixelové obrázky pri zoome odhaľujú stále nové, fyzicky nasnímané detaily. Kopf et al. (2007) opisujú skúmanie veľmi veľkých obrázkov ako „a source of constant amazement at the details one discovers“; práca neobsahuje porovnanie s obrázkami interpolovanými pomocou AI.
Hranice UI-upscalingu v praxi
UI-upscaling naráža v praxi na jasné technické hranice:
- Limit RAM: Pri veľmi veľkých výstupných súboroch (oblasť PSB) bežné UI-nástroje prekročia dostupnú operačnú pamäť
- Hranice dlaždíc: Viditeľné švy pri veľkosti dlaždice 256–512 px na veľkých tlačových plochách
- Halucinácia: Pri príliš malej východiskovej informácii UI vymýšľa neexistujúce detaily – kontraproduktívne v medicíne a reštaurovaní umenia
- Pasca faktora: modely super-resolution dosahujú dobré výsledky pri faktoroch zväčšenia, na ktoré boli trénované, „but collapse when asked to magnify far beyond that regime“ (Kim et al., 2025)
Záver: UI-upscaling dokáže malý obraz opticky zväčšiť – nedokáže však vytvoriť obrazovú informáciu, ktorá nebola prítomná. Skutočná gigapixelová fotografia poskytuje namerané originálne dáta – dôležité pre veľkoformátovú tlač, Healing Environments a interaktívne prehliadače. Gigapixel GmbH predáva výlučne originálne snímky od 100 megapixelov – bez interpolácie, bez UI-prevzorkovania.
Časté otázky
Môžem použiť UI-prevzorkované obrazy na veľkoformátovú tlač?
Pre tlače do cca 1 m² z pozorovacej vzdialenosti 2 metre môže byť UI-upscaling dostatočný. Pri tlačových plochách nad 5 m², pri pozorovacích vzdialenostiach pod 1 meter (napr. spanplafóny, svetelné panely, klinické obrazy) alebo pri motívoch citlivých na vzor/textúru (jemné štruktúry ako lístie, kôra, voda alebo srsť) sú originálne gigapixelové snímky nevyhnutne potrebné. Pri vzdialenosti 50 cm potrebuje tlač približne 274 ppi, aby oko (94 ppd, Ashraf et al. 2025, Nature Communications 16:9086) už nerozlišovalo pixelovú štruktúru; pod touto hranicou sa stopy interpolácie skôr stanú viditeľnými.
Je Topaz Gigapixel AI to isté ako skutočná gigapixelová fotografia?
Nie. Topaz Gigapixel AI je softvér, ktorý počítačovo zväčšuje existujúci obraz. Skutočná gigapixelová fotografia vzniká fyzickým snímaním fotoaparátom: Stovky jednotlivých snímok sa pomocou softvéru na stitching spoja do jedného celkového obrazu, ktorý obsahuje originálne dáta zo senzora. Topaz a podobné nástroje nevytvárajú novú obrazovú informáciu – štatisticky interpolujú. Pojem "Gigapixel AI" je zavádzajúci: UI-prevzorkovaný obraz s 1 gigapixelom neobsahuje viac skutočnej obrazovej informácie ako 10-megapixelový východiskový obraz.
Ako rozpoznám rozdiel medzi Gigapixel a UI-upscalingom?
Najspoľahlivejším testom je priblíženie v prehliadači: Skutočné gigapixelové obrazy zobrazujú pri hlbokom priblížení vždy nové, fyzikálne správne detaily – textúru kôry stromu, jednotlivé vodné častice, architektonické detaily. UI-prevzorkované obrazy zobrazujú pri silnom priblížení "efekt kaše" alebo opakujúce sa umelé vzory. V Gigapixel Portáli je možné každý obraz pred kúpou skontrolovať v HTML5 zoomvieweri v plnom originálnom rozlíšení – bez registrácie.
Prečo je UI-upscaling menej vhodný pre Healing Environments?
Prírodné fraktály sa zvyčajne nachádzajú v oblasti fraktálovej dimenzie D = 1,3–1,5; Taylor (2021, prehľad) spája ľahké vizuálne spracovanie takýchto vzorov s estetickým prežívaním a fyziologickým znížením stresu. Táto komplexnosť je zakódovaná v pôvodných dátach senzora a vzniká vďaka skutočným svetelným podmienkam, hĺbke ostrosti a makro detailom. AI algoritmy trénované na komprimovaných vstupných dátach nedokážu túto jemnú komplexnosť rekonštruovať. Z vzdialenosti 50 cm potrebuje obrázok približne 175–274 ppi (prepočítané zo 60, resp. 94 pixelov na stupeň zorného uhla; 94 ppd ako priemerná hranica rozlíšenia oka podľa Ashraf et al., 2025) – na väčších plochách sa to podarí len s originálnymi snímkami výrazne nad 100 megapixelov.
Od akého faktora upscalingu sa stanú UI-artefakty viditeľnými?
Modely super-resolution dosahujú dobré výsledky pri faktoroch zväčšenia, na ktoré boli trénované (bežné sú napr. 4× modely). Nad rámec toho podľa Kim et al. (Chain-of-Zoom, 2025) zlyhávajú s „severe artifacts, blurry outputs, or a complete failure to generate meaningful high-frequency details“. Metódy ako Chain-of-Zoom dosahujú vyššie faktory tým, že obrazové detaily generujú postupne – tieto detaily sú vytvorené, nie namerané. Ako jemne oko rozlišuje, namerali Ashraf et al. (2025, Nature Communications) na displejoch: v priemere približne 94 pixelov na stupeň zorného uhla (ppd) pre achromatické vzory v centre zorného poľa. Pixely na stupeň nie sú tlačové rozlíšenie; prepočítané, 94 ppd pri vzdialenosti pozorovania 1 meter zodpovedá približne 137 ppi. Či pozorovatelia dokážu rozlíšiť vytvorené detaily od nasnímaných, štúdia neskúmala.
Vedecké zdroje
- Ashraf, M. et al. (2025): Resolution Limit of the Eye – University of Cambridge / Meta. 94 ppd v priemere (achromaticky).
- Kim, B.S. et al. (2025): Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment. KAIST AI. Modely super-resolution zlyhávajú ďaleko za hranicou svojho tréningového faktora.
- Kopf, J. et al. (2007): Capturing and Viewing Gigapixel Images. Microsoft Research / Universität Konstanz.
- Mullin, C. et al. (2017): The gist of beauty. Electronic Imaging. r = 0,091 korelácia vysoké/nízke rozlíšenie.
- Taylor, R.P. (2021): The Potential of Biophilic Fractal Designs to Promote Health and Performance: A Review of Experiments and Applications. Sustainability (Review). D = 1,3–1,5.
- Salingaros, N.A. (2015): Biophilia and Healing Environments. Kvalitné obrázky ako faktor kvality.
- Topaz Community (2019/2020): Gigapixel AI – problém dlaždíc 256–512 px, artefakty pri veľkých plochách.