Logo
/// News

Mehr Bildschärfe durch künstliche Intelligenz - Super-Resolution

[07:45 Mo,28.November 2016 [e]  von ]    

Wir hatten die Diskussion ja schon ansatzweise öfter bei uns im Forum: Nämlich inwieweit künstliche Intelligenz in Zukunft mittels tiefschichtiger Neuronaler Netze die Bildqualität von Kameras signifikant verbessern könnte. Ein Gebiet ist dabei die Forschung um sogenannte Superresolution-Algorithmen. Hierunter versteht man allgemein das Hochskalieren niedrig aufgelöster Bilder. Galt bis zum letzten Jahrzehnt noch das Dogma, dass bei einer Vergrößerung der Auflösung kein Detail hinzukommen kann, was nicht im Ursprungsbild liegt, befinden wir uns seit einigen Jahren in einem Paradigmen-Wechsel. Das Schlagwort heißt Superresolution.

Mittels Superresolution versuchen die Algorithmen statt reiner Interpolation Strukturen und Formen im Bild zu erkennen und dann bei der Vergrößerung schlüssig zu ergänzen. Die Superressolution-Methoden des letzten Jahrzehnts haben dabei einige Nachteile: In Bewegtbildern kann es leicht zu springenden Mustern kommen, wenn der Algorithmus in zwei zeitlich aufeinanderfolgenden Bildern am selben Ort unterschiedliche Muster zu erkennen glaubt (z.B. durch Rauschen oder leichte Bewegung). Die Besten der klassischen Superresolution-Algorithmen "klappern eine regelrechte Muster-Datenbank ab", die dann entscheidet, welches Muster bei der Vergrößerung am besten passen könnte. Das kostet jedoch Unmengen Zeit.



Google hat nun (unter dem Projektnamen RAISR) in seinem eigenen Forschungs-Blog Ergebnisse mit neuronalen Netzen veröffentlicht. Die Google Forscher sind damit bei weitem weder die einzigen, noch die ersten, haben aber schöne Demo-Bilder im Artikel, die zeigen, wohin die Reise geht.

google_superresolution
Das untere Bild enthält künstliche Zusatzinformationen, die im Original (oben) nicht vorhanden sind.



Die Vorteile der Neuronalen Netze gegenüber Superresolution-Algorithmen klingen imposant: Mindestes eben so gute Ergebnisse wie die besten Algorithmen, aber 10 bis 100 mal schneller. Und auch die Muster-Sprung-Problematik wurde dabei deutlich reduziert, weil die Netze Annahmen über ganze Objekte fällen, die sie zu erkennen glauben. Hat die KI beispielsweise mal ein Auge erkannt, dann wird dieses nach einem Schema ergänzt, wie es die KI schon in tausend anderen Bildern zuvor gelernt hat. Selbiges gilt für Millionen andere Formen und Dinge.

Die Kritik folgt natürlich auf den Fuße: Ist denn das dann noch die Realität, die in einem vergrößerten Bild zum Vorschein kommt? Genau genommen nein, aber eine plausible visuelle Ergänzung einer "wahren" Grundstruktur.

Anders betrachtet macht das menschliche Gehirn ja auch nichts anderes. Vieles was ihm bekannt vorkommt, wird gar nicht näher wahrgenommen, sondern ungeprüft als "schon klar" abgehakt.

Aber nun viel visuelles Vergnügen bei der Lektüre des Google Blogs. Und wer noch mehr sehen will, findet hier in einem PDF noch mehr interessante Bilder aus der SR-KI-Forschung.

Link mehr Informationen bei research.googleblog.com

    
[37 Leserkommentare] [Kommentar schreiben]   Letzte Kommentare:
iasi    08:32 am 6.12.2016
Was wäre denn falsch und schlecht daran, wenn bei einer Rückfahrt die Software aus den Aufnahmen der nahen Einstellung auch für die Totale die Gesichtszüge einer Person...weiterlesen
7nic    07:59 am 6.12.2016
Das klang noch nie anders. Es ist als würde man sich darüber streiten, ob ein vom Hersteller sogenanntes Drei-Liter Auto unter allen Umständen immer 3 Liter verbraucht... es...weiterlesen
iasi    00:22 am 6.12.2016
Bildauflösung? Na das ist auch so ein Größe, die mal genauer betrachtet werden muss. Vor allem auch im Hinblick darauf, von welchen Faktoren sie abhängt. Mit einem...weiterlesen
[ Alle Kommentare ganz lesen]

  Vorige News lesen Nächste News lesen 
bildAuf einen Blick - Die besten Grafikkarten für DaVinci Resolve bildCAD-Modell vom Räumen per iPad 3D Scanner


verwandte Newsmeldungen:
Grundlagen:

Neu: IKAN Saga 7" Field Monitore mit 700 nits (S7H, SX7) 28.Oktober 2017
Neue Google Smartphones: Pixel 2 (XL) mit bemerkenswerter Kamera vorgestellt 5.Oktober 2017
Wieviel Auflösung benötigen Cine-Kameras - sind 4K bereits zuviel? 26.Juli 2017
Kommt es auf Auflösung an? - Interview mit Geoff Boyle 20.Juni 2017
Messevideo: Zeiss CP.3 - Wofür Metadaten? Auflösung, Matching ua. // NAB 2017 4.Mai 2017
9:16 statt 16:9 -- Vertical Video kam und blieb 25.März 2017
FCPX ProDOF Plugin: Realistische Schärfenverlagerungen nachträglich in Software? 22.Januar 2017
alle Newsmeldungen zum Thema Grundlagen


[nach oben]
















Suche in den News

passende Forenbeiträge zum Thema
Grundlagen:
PAL/SD deinterlacen
PC DVI-D Signal auf Field Monitor aufzeichnen
Neu: IKAN Saga 7" Field Monitore mit 700 nits (S7H, SX7)
Grafik nach dem Export verpixelt
Lilliput 7 Zoll Field Moni für 170€
Befestigung für Fieldmonitor gesucht
Festeinstellung der GH5 auf C1 (16:9 + mp4 25 Bilder FullHD)
mehr Beiträge zum Thema Grundlagen


Archive

2017

November - Oktober - September - August - Juli - Juni - Mai - April - März - Februar - Januar

2016
Dezember - November - Oktober - September - August - Juli - Juni - Mai - April - März - Februar - Januar

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000




































Specialsschraeg
9-19. November / Mannheim/Heidelberg
Internationales Filmfestival Mannheim-Heidelberg
14-19. November / Kassel
Kasseler Dokumentarfilm- & Videofest
15-19. November / Flensburg
Flensburger Kurzfilmtage
23-26. November / Hannover
up-and-coming
alle Termine und Einreichfristen


update am 18.November 2017 - 09:21
slashCAM
ist ein Projekt der channelunit GmbH
*Datenschutzhinweis*