Sie erhalten das tatsächliche Ergebnis, nicht nur eine verschwommene Vorschau.Kostenlos bedeutet, dass Sie die restaurierte Vollbilddatei erhalten – dieselbe Datei, die ein kostenpflichtiges Tool Ihnen verkaufen würde.
„Stellen Sie Ihr Foto mit einem Klick wieder her“ klingt wie Magie, und die meisten Websites lassen es dabei bewenden. Wir möchten lieber, dass Sie verstehen, was tatsächlich passiert: Wenn Sie wissen, wie es funktioniert, wissen Sie auch genau, was es nicht kann.
KI-gestützte Restaurierungsmodelle werden mit Millionen von Fotos trainiert, um zu lernen, wie scharfe Details, natürliche Farben und echte Gesichter aussehen. Anschließend wird anhand dieses Wissens eine plausible Version Ihres beschädigten Fotos rekonstruiert. Es handelt sich dabei um eine überzeugende Synthese, nicht um die Wiederherstellung ursprünglicher Daten: ideal für verblasste, unscharfe oder niedrig aufgelöste Fotos, aber bei physisch fehlenden Teilen gibt es Einschränkungen.
Jedes Restaurierungsmodell ist ein neuronales Netzwerk, das auf dieselbe grundlegende Weise trainiert wird: Man nimmt Millionen sauberer Fotografien, erstellt künstlich verschlechterte Kopien davon (unscharf machen, verkleinern, Körnung hinzufügen, komprimieren, ausbleichen) und trainiert das Netzwerk so, dass es jede verschlechterte Kopie wieder in ihr sauberes Original umwandelt. Dies wird in enormem Umfang wiederholt, wodurch das Netzwerk zwei Dinge lernt: wie die Verschlechterung wirkt sich auf echte Fotos auswirkt und wie die scharfen Versionen von realen Texturen (Haut, Haare, Stoff, Ziegel, Laub) tatsächlich aussehen.
Wenn Sie ihm dann Ihr verblichenes Bildmaterial geben, wendet es das gelernte Wissen an: „Dieser Fleck in diesem Kontext ist das, was ein scharfes Detail nach fünfzig Jahren des Ausbleichens normalerweise darstellt: hier ist dieses Detail, wiederhergestellt.“ Es ruft die verlorenen Pixel Ihres Fotos nicht von irgendwoher ab; es synthetisiert neue Pixel, die statistisch konsistent sind mit dem, was übrig bleibt. Dieser Unterschied ist wichtig, und wir werden darauf zurückkommen.
Der Modus zum Schärfen und Hochskalieren verwendet ein Super-Resolution-Modell, eine weit verbreitete, gut untersuchte Open-Source-Architektur. Bei einem gegebenen Bild gibt es eine Version mit dem Vierfachen der Pixel in jeder Richtung aus und füllt die neuen Pixel mit einer gelernten Textur anstelle der glatten Interpolation, die ein normales Bildbearbeitungsprogramm verwendet.
Der Unterschied ist leicht zu erkennen. Die klassische Vergrößerung (bikubische Interpolation) mittelt benachbarte Pixel, sodass eine 4-fache Vergrößerung lediglich das gleiche verschwommene Bild in größerer Form darstellt. Ein Super-Resolution-Modell fragt stattdessen für jeden Bereich: „Welche scharfe Struktur hat diese unscharfen Pixel am wahrscheinlichsten erzeugt?“ und zeichnet dies. Kanten werden tatsächlich schärfer, Filmkörnung und JPG-Blockbildung werden dabei bereinigt, und Texturen kehren mit glaubwürdigen Details zurück. Es wurde insbesondere auf stark beschädigte Bilder trainiert (Verschwommung + Rauschen + Kompression kombiniert), weshalb es so gut mit alten Scans zurechtkommt, deren Beschädigungen immer eine unübersichtliche Kombination und nicht ein einzelner klarer Defekt sind.
Zwei praktische Hinweise zur Funktionsweise: Große Bilder werden in überlappenden Kacheln verarbeitet, damit die GPU sie bewältigen kann, und die Eingabe ist auf eine vernünftige Größe begrenzt: Würde man einen 60-Megapixel-Scan durch ein 4-fach-Modell leiten, würden sonst absurde Dateien entstehen. Je besser Ihre Eingabe, desto besser die Ausgabe, weshalb ein guter Scan wichtig ist: siehe unseren Leitfaden zum Scannen.
Der Modus zur Kolorierung macht etwas leicht Abweichendes. Ein Schwarz-Weiß-Foto enthält bereits die Helligkeit jedes einzelnen Pixels: Was fehlt, sind die Farbinformationen. Das Modell belässt den Helligkeitskanal unverändert und sagt nur die beiden Farbkanäle anhand des Kontexts voraus: Es hat aus Millionen von Farbfotos gelernt, dass der Himmel blau ist, das Laub grün ist, die Haut in einem bestimmten Bereich liegt und Holz braun ist. Da die ursprüngliche Helligkeit erhalten bleibt, behält das Ergebnis jedes Detail der tatsächlichen Struktur des Fotos bei: Das Modell „malt“ nur innerhalb der vorgegebenen Linien.
Kolorierung ist eine plausible Vorhersage, keine historische AufzeichnungDas Modell kann nicht wissen, dass das Kleid Ihrer Großmutter tatsächlich rot war: Es wählt eine Farbe aus, die statistisch gesehen für ein Kleid dieser Art in der jeweiligen Fotoepoche wahrscheinlich ist. Objekte ohne ausgeprägte Farbkonventionen (Autos, Kleidung, bemalte Wände) sind genau diejenigen, bei denen es am meisten errät. Betrachten Sie ein koloriertes Foto als eine Interpretation, die die Vergangenheit näher erscheinen lässt, und nicht als Beweis dafür, welche Farben Dinge tatsächlich hatten.
Gesichter erhalten ihren eigenen Modus (Gesichter restaurieren) aus gutem Grund: Menschen sind extrem empfindlich gegenüber Gesichtern. Ein generischer Upscaler, der an einer Ziegelwand hervorragende Arbeit leistet, kann ein Gesicht auf subtile Weise „verfälschen“, was sofort auffällt. Modelle zur Gesichtswiederherstellung (unseres stammt aus der CodeFormer-Familie) werden ausschließlich mit Gesichtern trainiert und verfügen daher über ein viel stärkeres Vorwissen über die Gesichtstruktur: wie Augen, Zähne und Hauttextur in jedem Alter und Winkel aussehen. Die Pipeline erkennt jedes Gesicht im Foto, stellt es mit dem Spezialistenmodell wieder her und fügt es wieder in das umgebende Bild ein.
Diese Modelle verfügen über einen „Fidelity“-Regler: Wenn Sie ihn in die eine Richtung drehen, bleibt die Ausgabe so originalgetreu wie möglich zum beschädigten Original (stellt aber weniger wieder her); wenn Sie ihn in die andere Richtung drehen, werden die Gesichter wunderschön scharf (aber das Modell erfindet mehr). Wir verwenden bewusst eine originalgetreue Einstellung, denn bei Familienfotos ist Ähnlichkeit wichtiger als Schönheit.
Bei einem leicht verschwommenen Gesicht wird die Rekonstruktion von vielen erhaltenen Pixeln geleitet und bleibt sehr genau. Bei einem stark beschädigten Gesicht (ein winziger Fleck eines Gesichts in einem Gruppenfoto) muss das Modell die meisten Details erfinden, und das Ergebnis kann von dem tatsächlichen Aussehen der Person abweichen. Es wird wie ein echtes Gesicht aussehen; ob es genau so ist Eine perfekte Gesichtserkennung ist nicht garantiert. Wenn die Identität wichtig ist, vergleichen Sie das Ergebnis mit anderen Fotos derselben Person.
All dies wird auf unserer eigenen GPU-Hardware ausgeführt,und deshalb ist das Tool kostenlos, ohne Kontoanmeldung und Wasserzeichen, und warum Ihr Foto direkt nach der Bearbeitung von dem System gelöscht werden kann. Laden Sie ein Foto hoch, verschieben Sie den Schieberegler für Vorher/Nachher und beurteilen Sie das Ergebnis anhand der Erwartungen, die auf dieser Seite geschildert wurden. Das ist unser bevorzugtes Modell: beeindruckende Ergebnisse, ehrlich dargestellt.