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    8:32    6.12.2016
...weiterlesen
7nic    7:59    6.12.2016
...weiterlesen
iasi    0:22    6.12.2016
...weiterlesen
[ Alle Kommentare 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:

9:16 statt 16:9 -- Vertical Video kam und blieb 25.März 2017
FCPX ProDOF Plugin: Realistische Schärfenverlagerungen nachträglich in Software? 22.Januar 2017
Lilliput A10 - erster 10.1 Zoll Field/Kontrollmonitor mit 4K (UHD) Auflösung 30.November 2016
Neue Top-Smarthones mit Top-Kamera-Funktionen von Google – Pixel 4.Oktober 2016
Messevideo: Canon EOS C700 – Dual Pixel AF für wen? o.a. // IBC 2016 15.September 2016
SmallHD mit 17/24" Studioversionen der neuen Production-Field-Monitore 22.Mai 2016
Google Art Camera digitalisiert Gemälde in Gigapixel-Auflösung 19.Mai 2016
alle Newsmeldungen zum Thema Grundlagen


[nach oben]
















Suche in den News

passende Forenbeiträge zum Thema
Grundlagen:
Field Monitor mit geringer Latenz ??
HPX 600 - Scene files & Auflösung
Canon XL1 Pixelfehler über Firewire
Erste Fieldmonitor App für die GH5: GMonitor
9:16 statt 16:9 -- Vertical Video kam und blieb
Canon EOS C700 - Skintones, Dual Pixel AF, Slowmotion u.a. - Teil 1
RAW dng buged frames
mehr Beiträge zum Thema Grundlagen


Archive

2017

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






































update am 23.April 2017 - 00:15
ist ein Projekt der channelunit GmbH
*Datenschutzhinweis*