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:
- SanDisk stellt Extreme Fit vor: Aktuell kleinster 1TB USB-C-Speicherstick
- Apple plant OLED-MacBook Pro, Mac Studio M6 Ultra und Mini-LED Studio Display
- DJI Avata 360 - Leaks zeigen DJIs neue 360°-Drohne
- ARRIs Color KnowHow könnte Millionen Wert sein - als Workflow Lizenz für Dritte
- Canon EOS C50 im Praxistest: Kompaktes Arbeitstier mit 7K 50p Raw - die neue FX3 Konkurrenz
- Nikon ZR Lesertester gesucht! Nikon ZR zu gewinnen
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...
