Tropen ”zooma och förbättra” är en klyscha från TV, men framsteg inom AI gör den sakta till verklighet. Forskare har visat att maskininlärning kan förstora bilder med låg upplösning och återställa skärpa som inte fanns där tidigare. Nu håller den här tekniken på att nå ut till konsumenterna, och bildredigeraren Pixelmator är en av de första som erbjuder en sådan funktion.
Photoshop-konkurrenten tillkännagav idag vad de kallar ”ML Super Resolution” för 60 dollar i Pro-versionen av programvaran: en funktion som enligt företaget kan skala en bild upp till tre gånger dess ursprungliga upplösning utan att det uppstår bilddefekter som pixling eller suddighet.
Efter våra tester skulle vi säga att det här påståendet behöver några reservationer. Men överlag är prestandan hos Pixelmators superupplösningsfunktion imponerande.
Pixelering slätas ut i en rad olika bilder, från illustrationer till fotografier och text. Resultaten är bättre än de som levereras av traditionella uppskalningsalgoritmer, och även om processen inte är omedelbar (det tog cirka åtta sekunder per bild på vår MacBook Pro från 2017) är den tillräckligt snabb för att vara en välsignelse för designers och bildredigerare av alla slag. Nedan finns några exempel från Pixelmator, med en inzoomad lågupplöst bild till vänster och den bearbetade ML Super Resolution-bilden till höger:
Du kan se fler bilder borta på Pixelmators blogg, bland annat jämförelser med traditionella uppskalningstekniker som algoritmerna Bilinear, Lanczos och Nearest Neighbor. ML Super Resolution är visserligen ingen trollstav, men den ger konsekvent imponerande resultat.
Forskning om superupplösning har pågått under en längre tid, och teknikföretag som Google och Nvidia har skapat sina egna algoritmer under de senaste åren. I varje fall tränas programvaran på ett dataset som innehåller par av lågupplösta och högupplösta bilder. Algoritmen jämför dessa data och skapar regler för hur pixlarna förändras från bild till bild. När den sedan får se en lågupplöst bild som den aldrig har sett förut, förutspår den vilka extra pixlar som behövs och lägger in dem.
Pixelmators skapare berättade för The Verge att deras algoritm gjordes från grunden för att vara tillräckligt lättviktig för att kunna köras på användarnas enheter. Den är bara 5 MB stor, jämfört med forskningsalgoritmer som ofta är 50 gånger större. Den tränas på en rad olika bilder för att förutse användarnas olika behov, men träningsdatasetet är förvånansvärt litet – det behövdes bara 15 000 prover för att skapa Pixelmators ML Super Resolution-verktyg.
Företaget är inte först med att erbjuda den här tekniken kommersiellt. Det finns ett antal superupplösningsverktyg för engångsbruk på nätet, bland annat BigJPG.com och LetsEnhance.io. I våra tester var resultatet från dessa webbplatser av mer blandad kvalitet än Pixelmators (även om det generellt sett var bra), och gratisanvändare kan bara bearbeta ett litet antal bilder. Adobe har också släppt en funktion för superupplösning, men resultaten är återigen mindre dramatiska.
Totalt sett verkar Pixelmator erbjuda det bästa kommersiella superupplösningsverktyget vi sett (säg till i kommentarerna om du känner till ett bättre), och för varje dag blir ”zooma och förbättra” mindre av ett skämt.
Korrigering: En tidigare version av den här artikeln innehöll jämförelser mellan bilder som hade minskats ner på ett icke-destruktivt sätt och sedan uppskalats med Pixelmators ML Super Resolution, vilket resulterade i orealistiskt förbättrade resultat. Dessa har tagits bort. Vi beklagar felet.