Superauflösung und Restaurierung
Kleine, unscharfe oder alte Bilder scharf machen
Der vollständige Artikel liegt auf Englisch vor; Titel und Zusammenfassung sind lokalisiert.
WAS DIESE FÄHIGKEIT BEDEUTET
Takes a low-resolution image or a degraded one — blurry, noisy, scratched — and outputs a higher-resolution or cleaner version. It is not mere upscaling: it fills high-frequency detail from learned image priors, and precisely because it fills, some of it is guesswork. Unlike image-to-image the goal is restoration, not stylisation.
Wie sie technisch umgesetzt wird
The classic route regresses high-resolution pixels with convolutional networks and leans on perceptual and adversarial losses for crisper texture, trading pixel fidelity for realism. Diffusion models were later adopted to fill detail from a generative prior, doing better on severe degradation. Because real-world degradation is complex and unknown, training often randomises the degradation so the model does not depend on one fixed downsampling.
Repräsentative Produkte
4Stable Diffusion
2022Veröffentlichte Text-zu-Bild-Gewichte offen und klein genug für Consumer-GPUs
FLUX
2024Erzeugt hochauflösende Bilder mit einem Rectified-Flow-Transformer
Diffusers
2022Einheitliche Umsetzung und Scheduler für Diffusionsmodelle
Firefly
2023Ein Werkzeug zur Bilderzeugung und -bearbeitung für Gestaltende
Beteiligte Organisationen
Typische Verwendungen
- Restoring old photos and family footage
- Detail enhancement for surveillance and satellite imagery
- Sharpening medical and microscopy images
- Upscaling assets for print and publishing
Wie sie bewertet wird
- PSNR
- Peak signal-to-noise ratio, a pixel-level fidelity measure
- SSIM
- Structural similarity, closer to human judgement than PSNR
- LPIPS
- Perceptual distance, judging naturalness of texture
Grenzen und schwierige Punkte
- It invents texture that was never there; enlarged faces and text can become something else entirely
- High PSNR does not mean it looks good; over-smoothed outputs score well yet lack detail
- Generalisation is poor on degradation types unseen in training, such as a particular compression artefact
Konzepte dahinter
Digitale Bilddarstellung
Für eine Maschine ist ein Foto nichts als gestapelte Zahlenraster
Faltungsnetze
Vollverbindungen durch „lokal schauen, überall denselben Filter wiederverwenden“ ersetzen – die Idee, die Bilderkennung erst brauchbar machte
Generative Adversarial Networks
Ein Fälscher gegen einen Prüfer: jeder treibt den anderen an seine Grenze