Im vergangenen Jahr stellten Forscher der UC Berkeley , mit dessen Hilfe farblose Bilder nachkoloriert werden können. Auf der SIGGRAPH 2017, die Ende Juli/Anfang August in Los Angeles stattfindet, berichtet die Gruppe um von ihrer aktuellen Weiterentwicklung. Mit dieser ist es Nutzern der Software nun möglich, in den zuvor vollständig automatisch ablaufenden Kolorierungsprozess einzugreifen, um bessere Ergebnisse zu erzielen.
Zwei Methoden zur nicht-manuellen Kolorierung
In der zugehörigen Veröffentlichung (PDF) wird zur Entwicklung Folgendes ausgeführt: Im Bereich der digitalen Bildbearbeitung gibt es für die rechenbasierte Nachkolorierung grundlegend zwei Methoden:
(1) In der benutzergeführten Herangehensweise zeichnet eine Person farbige Striche auf die verschiedenen Bildbereiche. Aus dieser Skizze heraus generieren die Algorithmen dann das gefärbte Bild. Damit seien hervorragende Ergebnisse möglich, allerdings müssten Nutzer oft sehr kleinteilig arbeiten, das heißt, je nach Bild können über 50 Striche nötig werden, was enorm zeitaufwendig ist. Zudem müssen auch Regionen mit nur schwachen Farbnuancen vom Nutzer einzeln bearbeitet werden, beispielsweise bei den Grünabstufungen von Pflanzen. Weiterhin basiere das Resultat letztendlich ausschließlich auf dem Farbwissen des Nutzers – und es sei mitunter gar nicht so einfach, eine geeignete Farbe zu finden, die dann auch natürlich wirkt.
(2) In der allein rechenbasierten Nachkolorierung gibt es zwei Ansätze: Einmal können für ein Graustufenbild die Farben aus einem ähnlichen farbigen Bild „gestohlen“ und übertragen werden. Und dann können die Algorithmen auch auf Basis einer großen Bilddatenbank selbst lernen, wie etwas in Farbe auszusehen hat. Der Vorteil, insbesondere der zweitgenannten Variante, bestehe nun darin, dass diese im Vergleich zu Methode (1) schnell vonstattengehe. Jedoch: So ganz schlau sind die Algorithmen am Ende eben doch nicht und so ergeben sich vielfach falsche Farben und klar sichtbare Artefakte. Außerdem kann zum Beispiel die Farbe eines T-Shirts von einem Rechner gar nicht klar definiert werden. Entscheidet sich dieser für Blau, so gab es bislang für Nutzer bei dieser Methode keine Möglichkeit, die Farbe den eigenen Wünschen entsprechend einfach zu anzupassen.
Neu: Automatische Kolorierung erlaubt manuellen Eingriff
Und genau da setzt nun die neuerliche Entwicklung an – nämlich Methode (1) und Methode (2) zu kombinieren. Das Maschinengelernte steuert dem Bild aus eigener „Erfahrung“ Farbvorschläge bei und bietet also schon einmal eine grundlegende Kolorierung. Der Nutzer hat dann jedoch die Möglichkeit, einzugreifen und Verbesserungen vorzunehmen.
In einem Veruch wurde die Software von 28 Personen getestet. Diese erhielten eine kurze, zweiminütige Einführung und die Aufgabe, jeweils zehn Graustufenbilder zu kolorieren. Anzumerken ist dabei, dass den Nutzern die farbigen Originalbilder, aus denen die Graustufenbilder generiert wurden, vor dem Versuch nicht gezeigt wurden. Für jedes Bild investierten sie nur eine Minute Bearbeitungszeit. Alle Ergebnisse dieses Versuchs könnt ihr hinter diesem Link begutachten. Von links nach rechts seht ihr auf der Seite:
- Spalte 1: das Graustufenbild
- Spalten 2 bis 5: Ergebnisse verschiedener ausschließlich automatisch ablaufender Prozesse
- Spalte 6: Farbänderungen durch die Nutzer
- Spalte 7: So sieht das farbige Bild basierend auf oben genannter Methode (1) aus
- Spalte 8: Ergebnis basierend auf der aktuellen Entwicklung
- Spalte 9: Originalbild in Farbe
Euer Jens
Bildquelle Vorschau und Titel: Beispielbilder aus der Studie von Forschern der UC Berkeley, Richard Zhang, bearbeitet (Text eingefügt, zugeschnitten)
