RSS

Magische Bildvergrößerung wie in Fernsehserien?

Magische Bildvergrößerung: Neue Interpolationsmethode in Photoshop CC 2018

In der aktuellen Photoshop-Version CC 2018 lässt sich unter »Voreinstellungen > Technologievorschau« ein neuer Bildvergrößerungsalgorithmus namens »Details 2.0« aktivieren, der durch Machine Learning verbessert wurde. Mit ihm lassen sich im Vergleich zu den älteren Interpolationsmethoden »Bikubisch glatter (Vergrößerung)« und »Details bewahren« beachtliche Vergrößerungen unter Bewahrung/Verbesserung der Bilddetails erzielen. Die Resultate sind aber natürlich immer auch abhängig von der Ausgangsbildqualität und den »Rauschen reduzieren«-Einstellungen im Dialog »Bild > Bildgröße«. Magische Bildvergrößerung?

Magische Bildvergrößerung

Von links nach rechts die in Photoshop vermittels »Bikubisch glatter«, »Details bewahren« und »Details 2.0« auf das Dreifache vergrößerte Bildversion.

Magische Bildvergrößerung: Zauberei?

Aber was es seit kurzem auf der Seite des Max-Plank-Intituts für Intelligente Systeme Tübingen zu sehen gibt, grenzt schon an Magie: Da wird ein verpixeltes Foto so vergrößert, dass das Ergebnis nur bei seeehr genauem Hinsehen von einem Foto in der Originalauflösung zu unterscheiden ist.

Magische Bildvergrößerung

Foto: is.tuebingen.mpg.de Links das verpixelte kleine Ausgangsbild, Mitte: das daraus vergrößerte Bild, Rechts: das Originalfoto in voller Größe

Können wir nun bald aufhören, lächelnd mit dem Kopf zu schütteln, wenn in einer Krimiserie, die grobe Spiegelung auf einem zerbrochenden Weinglas so nah herangezoomt und verbessert wird, dass man das Tätergesicht erkennen kann? Es scheint ja bald so.

Magische Bildvergrößerung: So funktioniert es (stark vereinfacht)

Aber nein, das wird so nie möglich sein – es sei denn jeder Mensch wäre vermessen und in einer Datenbank mit all seinen Merkmalen erfasst. Warum? Der Grund dafür ist die Methode, nach der die oben gezeigte Bildvergrößerungstechnik funktioniert. Auch hier kam Machine Learning zum Einsatz, bei dem eine Software „einfach“ Unmengen an Bildern vergleicht, Formen und Texturen lernt und so an seinen erzeugten Ergebnissen feilt. Und so wird das scharfe Vögelchen eben nicht allein aus diesem einen, verpixelten Ausgangsbild erzeugt, sondern das gesamte maschinell angelernte Wissen um Formen, Farben und Texturen fließt hier mit ein. Nur auf diese Weise kann eine realistische Federtextur wie im Beispiel erzeugt werden.

Aber würden wir den gleichen Algorithmus auf ein Motiv anwenden, das „die Maschine“ (so nenne ich das jetzt einfach mal) noch nie gesehen hat, dann könnten Sie das vergrößerte Ergebnis zwar aufgrund seiner bisherigen Erfahrung und Wahrscheinlichkeiten verbessern – es ist jedoch nicht garantiert, dass das verfeinerte Resultat tatsächlich exakt dem Original entspricht. Das sah man sehr schön in einem anderen Anwendungsbeispiel (das ich gerne hier nachreiche, sobald ich es wieder finde), bei dem es um die gleichartige Verbesserung von Gesichtern ging. Aus den pixeligen Aufnahmen wurden glaubhaft aussehende Gesichter abgeleitet, nur schwankte eben die Übereinstimmung mit den originalen Gesichtern in einer ziemlichen Bandbreite. Eine exakte Übereinstimmung wäre reiner Zufall. Aber als Ausgangsbasis für die weitere Verfeinerung durch Phantombildkünstler wäre das doch schon einmal etwas.

In diesem Sinne: Doch man darf in CSI & Co. schon noch schmunzeln, aber mit weiteren Fortschritten auf dem Gebiet der künstlichen Intelligenz wird es zunehmend schwierig. 😉

Beste Grüße,

Olaf

Olaf Giermann

Related Posts

Mitdiskutieren