Erhöhter Schwierigkeitsgrad für maschinelles Lernen
Wie Microsofts Research-Team in einem Blog-Beitrag erläutert, ist für die KI (Künstliche Intelligenz)-gestützte Restauration von alten Fotos ein sehr umfassender Ansatz notwendig. Stark beschädigte Aufnahmen lassen sich nämlich nicht mit bereits etablierten Ansätzen zur Fotoverbesserung zufriedenstellend aufwerten. Der Grund dafür ist den Angaben der Forscher nach in erster Linie die Komplexität des Verfallsprozesses von echten Fotografien. Zudem haben Computernetzwerke Probleme damit, die exakten Unterschiede der Degeneration bei unechten und echten Fotoaufnahmen zu erkennen und so für die relevante Datensammlung zu nutzen.
Der Algorithmus erreicht beeindruckende Ergebnisse
Das von Microsoft veranschaulichte Deep-Learning-Verfahren stützt sich nun auf ein neu entworfenes Übersetzungsnetzwerk, das die Forscher als "Triplet Domain Translation Network" bezeichnen. Darin werden echte Fotos mit einer gigantischen Datenmenge aus synthetischen Bildpaaren zusammengeführt und deren Unterschiede ausgewertet. Die synthetischen Bilder sind zu einer Hälfte künstlich verändert, zur anderen unversehrt. Auf diese Weise lassen sich unter anderem verschiedene Arten einer möglichen Fotobeschädigung erkennen. Schlussendlich können Ergebnisse erreicht werden, die andere Verfahren zur Fotorestauration ausstechen. Im optimalen Fall wirken die von dem Prozess verbesserten alten Aufnahmen farbstärker, schärfer und realistischer.