Und schon wieder einmal ein höchst interessantes Paper aus dem Bereich der künstlichen Intelligenz, an dem unter anderem auch das Adobe Research Team beteiligt war. Wer Photoshop kennt, dürfte auch schon einmal über den Content Aware Fill gestolpert sein. Hierbei können fehlende Bildinhalte vom Programm schlüssig ergänzt werden. Allerdings funktioniert dies nicht immer zufriedenstellend, weil das Photoshop ja keine Vorstellung von den abgebildeten Dingen hat. So sucht man in der Regel nach ähnlichen Mustern im Bild und versucht die zu füllenden Stellen prozedural zu ergänzen.
Mittels Deep Learnig kann nun jedoch ein anderen Ansatz gewählt werden. Hat ein trainiertes Netz zuvor Millionen von Bilden gesehen, so kann es besser erraten, was an der besagten Stelle fehlen könnte. Und lieferte in ersten Versuchen auch promt deutlich bessere Ergebnisse, als alle bisher eingesetzten Verfahren. Ein schönes Beispiel ist dieser Leopard:
// Top-News auf einen Blick:
- DJI Mini 5 Pro soll so viel wie die Mini 4 Pro kosten
- Nikon Z6III bekommt u.a. Auto-Capture, USB-Streaming, Vogelmodus
- Blackmagic senkt Preise für URSA Cine 12K und 17k Kits radikal
- Google Gemini 2.5 Flash Image Nano Banana bringt Charakterkonsistenz und Multi-Imag
- Neue Sony FX3 und FX30 Firmware bringt BIG6-Startbildschirm, RAW-Video per HDMI und ...
- Google Pixel 10 Pro (XL) kommt mit Generativer KI direkt in der Kamera
Lässt man die diversen Algorithmen einen fehlenden Ausschnitt in der Mitte des Bildes ergänzen, so gelingt nur dem neuronalen Netz eine plausible Füllung. (Allerdings fehlt dennoch auch hier offensichtlich die Nase). Aber gerade wenn es in Zukunft darum geht, störende Objekte aus einem (Bewegt-)Bild zu entfernen, dürften Neuronale Netze mit Sicherheit bald die Hauptrolle spielen. Zumal sie sich mit gängigen Verfahen auch noch gut kombinieren lassen. Ein Differenz-Key dürfte mit neuronaler Unterstützung beispielsweise zu Höchstform auflaufen. Warten wir mal ab, was da so kommen wird...
