Troppen “zoom og forbedre” er en tv-kliché, men fremskridt inden for AI gør det langsomt til en realitet. Forskere har vist, at maskinlæring kan forstørre billeder med lav opløsning og genskabe skarphed, som ikke var der før. Nu er denne teknologi på vej til forbrugerne, og billedredigeringsprogrammet Pixelmator er blandt de første til at tilbyde en sådan funktion.
Konkurrenten til Photoshop annoncerede i dag, hvad den kalder “ML Super Resolution” for 60 dollar i Pro-versionen af sin software: en funktion, der ifølge virksomheden kan skalere et billede op til tre gange dets oprindelige opløsning uden billedfejl som pixelering eller sløring.
Efter vores test vil vi sige, at denne påstand kræver et par forbehold. Men generelt er præstationen af Pixelmators superopløsningsfunktion imponerende.
Pixelering bliver glattet væk i en række billeder, fra illustrationer til fotografier og tekst. Resultaterne er bedre end dem, der leveres af traditionelle opskaleringsalgoritmer, og selv om processen ikke er øjeblikkelig (det tog omkring otte sekunder pr. billede på vores MacBook Pro fra 2017), er den hurtig nok til at være en velsignelse for designere og billedredaktører af enhver slags. Der er nogle eksempler nedenfor fra Pixelmator, med et indzoomet billede i lav opløsning til venstre og det behandlede ML Super Resolution-billede til højre:
Du kan se flere billeder ovre på Pixelmators blog, herunder sammenligninger med traditionelle opskaleringsteknikker som Bilinear-, Lanczos- og Nearest Neighbor-algoritmerne. Selv om ML Super Resolution ikke er en tryllestav, leverer den konsekvent imponerende resultater.
Forskning inden for superopløsning har været i gang i et stykke tid nu, og teknologivirksomheder som Google og Nvidia har skabt deres egne algoritmer i de seneste par år. I hvert tilfælde trænes softwaren på et datasæt, der indeholder parvis af billeder med lav opløsning og billeder med høj opløsning. Algoritmen sammenligner disse data og skaber regler for, hvordan pixelerne ændrer sig fra billede til billede. Når den så får vist et billede med lav opløsning, som den aldrig har set før, forudsiger den, hvilke ekstra pixels der er brug for, og indsætter dem.
Pixelmators skabere fortalte The Verge, at deres algoritme blev lavet helt fra bunden for at være let nok til at kunne køre på brugernes enheder. Den er kun 5 MB stor, sammenlignet med forskningsalgoritmer, der ofte er 50 gange større. Den er trænet på en række billeder for at foregribe brugernes forskellige behov, men træningsdatasættet er overraskende lille – der var kun brug for 15.000 prøver for at skabe Pixelmators ML Super Resolution-værktøj.
Selskabet er ikke det første, der tilbyder denne teknologi kommercielt. Der findes en række superopløsningsværktøjer til engangsbrug online, herunder BigJPG.com og LetsEnhance.io. I vores test var resultatet fra disse websteder af en mere blandet kvalitet end Pixelmators (selv om det generelt var godt), og gratis brugere kan kun behandle et lille antal billeder. Adobe har også frigivet en superopløsningsfunktion, men resultaterne er igen mindre dramatiske.
Overordnet set synes Pixelmator at tilbyde det bedste kommercielle superopløsningsværktøj, som vi har set (lad os vide i kommentarerne, hvis du kender et bedre), og for hver dag bliver “zoom and enhance” mindre af en joke.
Korrektion: En tidligere version af denne historie indeholdt sammenligninger mellem billeder, der var blevet ikke-destruktivt nedskaleret og derefter opskaleret ved hjælp af Pixelmators ML Super Resolution, hvilket resulterede i urealistisk forbedrede resultater. Disse er blevet fjernet. Vi beklager fejlen.