Das Klischee vom „Zoomen und Verbessern“ ist ein TV-Klischee, aber die Fortschritte der KI machen es langsam zur Realität. Forscher haben gezeigt, dass maschinelles Lernen Bilder mit niedriger Auflösung vergrößern und die Schärfe wiederherstellen kann, die vorher nicht vorhanden war. Jetzt findet diese Technologie ihren Weg zu den Verbrauchern, wobei das Bildbearbeitungsprogramm Pixelmator zu den ersten gehört, die eine solche Funktion anbieten.
Der Photoshop-Konkurrent kündigte heute für die 60-Dollar-Pro-Version seiner Software das an, was er „ML Super Resolution“ nennt: eine Funktion, die nach Angaben des Unternehmens ein Bild auf das Dreifache seiner ursprünglichen Auflösung skalieren kann, ohne dass es zu Bildfehlern wie Verpixelung oder Unschärfe kommt.
Nach unseren Tests würden wir sagen, dass diese Behauptung ein paar Vorbehalte braucht. Aber insgesamt ist die Leistung der Superauflösungsfunktion von Pixelmator beeindruckend.
Die Verpixelung wird in einer Reihe von Bildern geglättet, von Illustrationen über Fotos bis hin zu Text. Die Ergebnisse sind besser als bei herkömmlichen Hochskalierungsalgorithmen, und obwohl der Prozess nicht sofort abläuft (auf unserem 2017er MacBook Pro dauerte er etwa acht Sekunden pro Bild), ist er schnell genug, um ein Segen für Designer und Bildbearbeiter aller Couleur zu sein. Unten finden Sie einige Beispiele von Pixelmator, mit einem gezoomten Bild mit niedriger Auflösung auf der linken Seite und dem verarbeiteten ML Super Resolution Bild auf der rechten Seite:
Sie können weitere Bilder auf dem Blog von Pixelmator sehen, einschließlich Vergleiche mit traditionellen Hochskalierungstechniken wie dem Bilinear-, Lanczos- und Nearest Neighbor-Algorithmus. ML Super Resolution ist zwar kein Zauberstab, liefert aber durchweg beeindruckende Ergebnisse.
Die Forschung im Bereich der Superauflösung läuft schon seit einiger Zeit, wobei Technologieunternehmen wie Google und Nvidia in den letzten Jahren ihre eigenen Algorithmen entwickelt haben. In jedem Fall wird die Software auf einen Datensatz trainiert, der Paare von Bildern mit niedriger und hoher Auflösung enthält. Der Algorithmus vergleicht diese Daten und erstellt Regeln dafür, wie sich die Pixel von Bild zu Bild verändern. Wenn ihm dann ein niedrig aufgelöstes Bild gezeigt wird, das er noch nie zuvor gesehen hat, sagt er voraus, welche zusätzlichen Pixel benötigt werden, und fügt sie ein.
Die Entwickler von Pixelmator erklärten gegenüber The Verge, dass ihr Algorithmus von Grund auf neu entwickelt wurde, um leicht genug zu sein, um auf den Geräten der Benutzer zu laufen. Er ist nur 5 MB groß, im Vergleich zu Forschungsalgorithmen, die oft 50 Mal größer sind. Der Algorithmus wurde mit einer Reihe von Bildern trainiert, um die unterschiedlichen Bedürfnisse der Nutzer zu berücksichtigen. Der Trainingsdatensatz ist jedoch erstaunlich klein – für die Entwicklung des ML Super Resolution-Tools von Pixelmator wurden nur 15.000 Muster benötigt.
Das Unternehmen ist nicht das erste, das diese Technologie kommerziell anbietet. Es gibt eine Reihe von Einweg-Superauflösungstools im Internet, darunter BigJPG.com und LetsEnhance.io. In unseren Tests war die Qualität der Ergebnisse dieser Websites uneinheitlicher als die von Pixelmator (auch wenn sie im Allgemeinen gut war), und kostenlose Nutzer können nur eine kleine Anzahl von Bildern bearbeiten. Adobe hat ebenfalls eine Funktion für die Superauflösung herausgebracht, aber auch hier sind die Ergebnisse weniger dramatisch.
Insgesamt scheint Pixelmator das beste kommerzielle Tool für die Superauflösung zu bieten, das wir gesehen haben (lassen Sie uns in den Kommentaren wissen, wenn Sie ein besseres kennen), und mit jedem Tag wird „Zoomen und Verbessern“ weniger zu einem Witz.
Korrektur: Eine frühere Version dieses Artikels enthielt Vergleiche zwischen Bildern, die nicht-destruktiv verkleinert und dann mit Pixelmators ML Super Resolution hochskaliert wurden, was zu unrealistisch verbesserten Ergebnissen führte. Diese wurden nun entfernt. Wir bedauern den Fehler.