Es ist ein in TV-Serien oft zu beobachtender Ablauf: Da haben die Ermittler nur eine schlechte Aufnahme also wird schnell einmal ein bisschen in die Tastatur gehämmert, und siehe da: Plötzlich kann man in allen Details erkennen, wer oder was hier eigentlich abgebildet ist. Technikaffinen Zusehern stellt es bei solchen Szenen freilich die sprichwörtlichen Zehennägel auf, immerhin sind solche Tricks kompletter Nonsens. Zumindest bisher. Der technische Fortschritt sorgt dafür, dass solch ein "Super Zoom" langsam Realität wird – wenn auch natürlich nicht ganz in jenem Ausmaß, dass sich Serienmacher so vorstellen.

Super Resolution

Der Photoshop-Konkurrent Pixelmator Pro kann künftig mit einer neuen Funktion aufwarten, die sich "ML Super Resolution" nennt. Dank dieser kann ein Bild auf bis zu dreimal so viele Details wie das Original hochgerechnet werden – und zwar ohne dass das Bild verschwimmt oder pixelig wird, wie man es bisher kennt.

Möglich wird dies dank der Nutzung von Maschinenlernen. Speziell auf diese Aufgabe trainierte neuronale Netzwerke fügen also zusätzliche Details hinzu. Mit einigen Demobildern zeigt Pixelmator, dass das auch tatsächlich verblüffend gute Ergebnisse liefert, jedenfalls welche die erheblich besser sind als klassische Algorithmen zum Hochrechnen von Bildern. Wunder sollte man sich aber natürlich nicht erwarten: Denn auch mit dieser Methode kann nicht einfach aus einem Pixelhaufen das echte Gesicht einer Zielperson sichtbar gemacht werden.

Hintergrund

Pixelmator ist nicht der einzige Softwarehersteller, der an solchen Technologien arbeitet. So benutzt etwa Google bei seinen aktuellen Smartphones eine Technologie namens "Super Resolution Zoom". Dabei wird das Wackeln der Hand bei einer Aufnahme ausgenutzt, um so mehrere Bilder zu sammeln, und diese dann zu einem Foto mit größerem Detailgrad, als es sonst möglich gewesen wäre, zu kombinieren.

Was allerdings bei Pixelmator verblüfft, ist, wie klein man dieses Feature halten konnte. Laut "The Verge" umfasst das genutzte Modell gerade einmal 5 MB. Auch die für das Training genutzten 15.000 Bilder stellen ein eher kleines Sample Set dar. (red, 18.12.2019)