• IT-Karriere:
  • Services:

Max-Planck-Institut: Maschinelles Lernsystem verbessert Auflösung von Bildern

Wird "Zoomen und Verbessern" bald Realität? EnhanceNet-PAT ist ein Lernalgorithmus, der durch Mustererkennung Bilder hochauflösender machen kann. Das Vorbild für das maschinelle Lernen ist der Mensch selbst.

Artikel veröffentlicht am ,
EnhanceNet-PAT wandelt niedrigauflösende in höher auflösende Bilder um.
EnhanceNet-PAT wandelt niedrigauflösende in höher auflösende Bilder um. (Bild: Max-Planck-Institut)

Forscher des Max-Planck-Institutes haben einen maschinellen Lernalgorithmus vorgestellt, der niedrigauflösende in erkennbare Bilder umwandeln soll. EnhanceNet-PAT entfernt automatisiert die Schachbrettartekfakte, die beispielsweise beim Vergrößern von Bildern entstehen. Das soll etwa zum Editieren von interessanten Bildteilen verwendet werden können.

Stellenmarkt
  1. Schaeffler AG, Nürnberg
  2. HAWK Hochschule für angewandte Wissenschaft und Kunst, Hildesheim

In einem Beispiel wird das verpixelte Bild eines Vogels in ein erkennbares Motiv umgewandelt. Das Machine-Learning-Modell lernt dabei aus seinen eigenen Fehlern, um über die Zeit bessere Ergebnisse zu erreichen.

Lernprozess des Menschen als Vorbild

Das erklärt Mehdi M.S. Sajjadi, einer der Forscher an dem Projekt, anhand des Lernverhaltens von Menschen. "Der Algorithmus soll Millionen von niedrigauflösenden Referenzbildern upsamplen und bekommt dann das Originalbild, das So-soll-es-aussehen-Bild in hoher Qualität zum Vergleich vorgesetzt", sagt er. Der Algorithmus merkt sich die Unterschiede und seine eigenen gemachten Fehler. Sobald das Modell fertig trainiert ist, werden die Referenzbilder nicht mehr benötigt, sodass es auf beliebige Bilder angewendet werden kann.

  • Links: Quellbild, Mitte: Resultat, rechts: Originalauflösung (Bild: Max-Planck-Institut)
Links: Quellbild, Mitte: Resultat, rechts: Originalauflösung (Bild: Max-Planck-Institut)

Die sogenannte Single-Image-Super-Resolution-Technik (SISR) ist bereits ein bekanntes Konzept und wird laut den Forschern bereits seit über einer Dekade erforscht. Doch sei EnhanceNet-PAT darin wesentlich effizienter. Die Prämisse: Der Algorithmus versucht nicht, Bilder pixelgenau zu rekonstruieren, sondern lediglich für das menschliche Verständnis hochauflösend genug zu generieren. Er erkennt dabei Muster bei niedrigauflösenden Bildern und wendet diese für den Reproduzierungsprozess an.

In dem gegebenen Beispiel des Vogels kann der Algorithmus bereits gute Ergebnisse liefern. Lediglich kleine Details im Federkleid unterhalb des Kopfes sind beim genauen Hinsehen noch etwas unschärfer als beim Originalbild. Für ein Fotoalbum reiche das Bild allemal aus, heißt es.

Bitte aktivieren Sie Javascript.
Oder nutzen Sie das Golem-pur-Angebot
und lesen Golem.de
  • ohne Werbung
  • mit ausgeschaltetem Javascript
  • mit RSS-Volltext-Feed


Anzeige
Spiele-Angebote
  1. 3,43€
  2. 14,99€

bombinho 02. Nov 2017

Wenn der Algorithmus auch mit Bildern gelernt hat, die bereits entsprechende Ausschnitte...

bombinho 31. Okt 2017

Grob vereinfacht: Statt einfach nur einen moeglichen Farbverlauf zu errechnen, werden...

bombinho 31. Okt 2017

Die Abkuerzung ist laengst bekannt ;) Datenbank und/oder spezialisierte Algorithmen, was...

bombinho 31. Okt 2017

Ist uebrigens gar nicht unaehnlich dem menschlichen Sehen. Auch da wird ergaenzt mit...

McWiesel 29. Okt 2017

"Zoomen Sie mal ran!" und schon lässt sich aus irgendeinem vermeintlich schlechten Bild...


Folgen Sie uns
       


Einfache Fluid-Simulation in Blender - Tutorial

Wir zeigen im Video, wie man in 15 Minuten eine Flüssigkeit in Blender animiert.

Einfache Fluid-Simulation in Blender - Tutorial Video aufrufen
    •  /