Erzeugt KI-Vergrößerung echte Details?

Was das Modell tatsächlich tut

Gewöhnliches Vergrößern mittelt benachbarte Pixel. Es kann nichts erfinden, das Ergebnis ist also eine größere, weichere Fassung dessen, was Sie hatten — nie eine schärfere.

Ein Vergrößerungsmodell tut etwas anderes. Es wurde an Millionen Bildpaaren trainiert, jeweils ein großes und sein geschrumpfter Zwilling, bis es gelernt hatte, wie eine verkleinerte Wimper, Ziegelwand oder Stoffbindung typischerweise aussieht. Aus einem kleinen Bild schreibt es ein plausibles großes zurück.

Das arbeitende Wort ist «plausibel». Die hinzugefügten Details sind nicht wiedergewonnen — die Information wurde beim Verkleinern weggeworfen und ist fort. Zurück kommt eine selbstbewusste Vermutung, die dem ähnelt, was dort wahrscheinlich war.

Wir haben gemessen, wie es gegen schlichtes Skalieren verliert

Wir nahmen eine gemeinfreie Fotografie von 1896, verkleinerten sie auf 240 Pixel und vergrößerten sie vierfach — einmal mit dem Modell, einmal mit gewöhnlichem hochwertigem Resampling.

Das Modell verlor. Einem karierten Stoff im Bild wurde die Bindung vollständig ausradiert — das Modell las dieses feine, regelmäßige Muster als Rauschen und glättete es weg — und das Gesicht wirkte wächsern. Die schlichte Vergrößerung war unschärfer und treuer.

Und dann gemessen, wie es klar gewinnt

Wir speicherten dieselbe Fotografie zunächst als JPEG mit Qualität 35 — ungefähr der Zustand sehr vieler Bilder, die durchs Internet gereicht wurden — und wiederholten den Vergleich. Diesmal gewann das Modell deutlich: Die klotzigen Kompressionsartefakte verschwanden, die Kanten kamen zurück.

Der Grund: Diese Modellgattung ist gebaut, um Schäden zu reparieren, nicht um zu vergrößern. Sie entfernt, was sie als Rauschen liest. Kompressionsklötzchen sind Rauschen, also gehen sie und das Bild wird besser. Filmkorn und feine Stoffe werden ebenfalls als Rauschen gelesen, also gehen sie auch und das Bild wird schlechter.

Daraus folgt eine brauchbare Regel. Ist das Problem Ihres Bildes, dass es totkomprimiert, abfotografiert oder immer wieder neu gespeichert wurde, hilft das Modell. Ist es nur klein, aber ansonsten sauber, kann das schlichte Vergrößern das ehrlichere Ergebnis sein.

Die Größengrenze ist nicht willkürlich

Vierfache Breite sind sechzehnfache Pixel. Ein Megapixel hinein ergibt sechzehn Megapixel heraus, und jedes einzelne davon wird von einem neuronalen Netz erzeugt statt kopiert.

Deshalb gibt es eine Obergrenze für die Eingabe, und deshalb sperren wir den Knopf und schreiben den Grund hin, statt Sie es versuchen zu lassen. Den Tab minutenlang einzufrieren und dann nichts zu liefern ist das schlechtestmögliche Ergebnis — und genau das passiert ohne Grenze.

Die 2×-Option entsteht, indem wir das 4×-Ergebnis erzeugen und halbieren, nicht indem wir direkt 2× anfordern. Erfundene Details ordnen sich beim Verkleinern, das Ergebnis wird besser. Die Zeit bleibt gleich, denn der teure Teil ist ohnehin passiert.

Das schärfste Modell ist nicht das richtige

Wir haben zwei Kandidaten mit brauchbarer Lizenz verglichen. Der transformerbasierte ist sichtbar schärfer und brauchte 9,7 Sekunden für ein Bild mit 128×128. Der kompakte Faltungsansatz brauchte 16,5 Sekunden für 512×512 — sechzehnmal so viele Pixel. Pro Pixel ist das rund ein sechzigfacher Unterschied.

Eine Grafikkarte rettet den langsamen nicht. Wir haben WebGPU hier etwa 3,4-mal schneller als die CPU gemessen, nicht zwanzig- oder fünfzigmal, wie viele erwarten — Shader zu kompilieren und Daten auf die Karte zu schaffen kostet echte Zeit. Dreimal schneller ist etwas wert, aber ein Modell, das auf der CPU unbrauchbar ist, bleibt es meist auch auf der GPU.

Das schärfere Modell ist also jenes, auf das niemand warten würde, und ausgeliefert wird jenes, das fertig wird. Nach demselben Maßstab ist jedes Modell auf dieser Seite ausgewählt.