Adobe hat im Juni angekündigt, Topaz Labs zu übernehmen. Die Firma entwickelt seit mehr als zwanzig Jahren Programme, mit denen sich Fotos und Videos schärfen, entrauschen und vergrößern lassen. Einige ihrer Modelle stecken bereits in Photoshop und Lightroom, wo die Funktion Generative Upscale ein Bild auf die doppelte oder vierfache Größe bringt. Nach Einschätzung des US-Portals TechCrunch will Adobe mit dem Kauf verhindern, dass Kunden für solche Aufgaben zu Konkurrenten wie Canva abwandern.
Wer nur ein unscharfes Familienfoto retten möchte, braucht dafür kein Adobe-Abo. Programme, die ein zu kleines oder verrauschtes Bild in einem einzigen Schritt aufbereiten, gibt es inzwischen in drei Varianten. Dem Ein-Klick-Versprechen am nächsten kommen Online-Dienste im Browser, die keine Installation verlangen. Fotografen, die mit Rohdaten arbeiten, sind in Lightroom und Camera Raw besser aufgehoben, während das Open-Source-Modell Real-ESRGAN zwar nichts kostet, aber Kenntnisse in Python voraussetzt.
Was passiert bei dem einen Klick?
Hinter der Schaltfläche laufen mehrere Korrekturen nacheinander ab. Die Software analysiert zunächst, woran das Bild krankt, und wählt dann die passenden Verfahren. Beim Hochskalieren erhöht sie die Auflösung und berechnet die fehlenden Pixel neu, statt die vorhandenen nur zu strecken. Weitere Schritte schärfen Kanten, dämpfen das Rauschen von Aufnahmen bei wenig Licht, glätten die blockartigen Muster starker JPEG-Kompression und passen Weißabgleich, Helligkeit und Sättigung an.
Ein herkömmlicher Schärfefilter kann nur Kontraste verstärken, die bereits im Bild vorhanden sind. Ein neuronales Netz fügt dagegen Details hinzu, die es im Training an Beispielbildern gelernt hat. Es hat gelernt, wie feine Strukturen in hoher Auflösung typischerweise aussehen, und setzt sie dort ein, wo das Bild sie nahelegt.
Woher die Technik stammt
Die Grundlagen kommen aus der Forschung. Auf der European Conference on Computer Vision (ECCV) stellten Chao Dong, Chen Change Loy, Kaiming He und Xiaoou Tang von der Chinese University of Hong Kong und Microsoft Research 2014 das Modell SRCNN vor. Es zeigte, dass ein tiefes neuronales Faltungsnetz direkt lernen kann, aus einem niedrig aufgelösten Bild ein hochaufgelöstes zu machen.
Viele frühe Modelle hatten allerdings ein praktisches Problem. Sie wurden mit Bildern trainiert, die man künstlich und gleichmäßig verkleinert hatte, und kamen mit echten Fotos schlecht zurecht, die gleichzeitig unscharf, verrauscht und komprimiert sind. 2021 stellten Xintao Wang, Liangbin Xie, Ying Shan und erneut Chao Dong in den Workshops der International Conference on Computer Vision (ICCV) das Modell Real-ESRGAN vor, entstanden im ARC Lab von Tencent und an der Chinesischen Akademie der Wissenschaften. Die Forscher verschlechterten ihre Trainingsbilder in mehreren Durchgängen mit Unschärfe, Rauschen und JPEG-Kompression und kamen den Fehlern alltäglicher Fotos damit deutlich näher. Code und Modelle stehen frei zugänglich auf GitHub.
Wenige Monate zuvor, im März 2021, hatte Adobe die Funktion Super Resolution in Camera Raw 13.2 herausgebracht, Lightroom folgte kurz darauf. Auch dahinter steckt ein tiefes Faltungsnetz. Entwickelt hat die Funktion Eric Chan gemeinsam mit Michaël Gharbi und Richard Zhang von Adobe Research. Trainiert wurde das Modell mit Millionen Paaren aus niedrig und hoch aufgelösten Bildausschnitten, kleinen Feldern von 128 × 128 Pixeln aus detailreichen Fotos von Blüten, Stoffen, Ästen und Dachziegeln. Super Resolution verdoppelt Breite und Höhe eines Bildes, aus 10 Megapixeln werden so 40.
Welche Software passt zu wem?
Den geringsten Aufwand machen Online-Dienste, etwa ein Werkzeug, mit dem sich die Bildqualität per KI verbessern lässt. Man lädt dort ein Foto hoch, das Tool erkennt fehlende Schärfe, Bildrauschen oder eine zu geringe Auflösung, und die Schaltfläche „Mit einem Klick optimieren“ korrigiert anschließend Schärfe, Auflösung und Farben. Angenommen werden JPEG, PNG, BMP und TIFF bis 25 MB pro Bild, mehrere Fotos lassen sich gleichzeitig bearbeiten. Hochgeladene Dateien werden nach Angaben des Anbieters nach der Optimierung automatisch gelöscht. Den vollen Funktionsumfang gibt es im Premium-Tarif für 29 Euro im Monat, der jederzeit kündbar ist. Davor steht eine siebentägige Testphase.
Lightroom und Camera Raw lohnen sich vor allem für Fotografen, die ihre Bilder ohnehin dort verwalten. Super Resolution startet man per Rechtsklick über das Kontextmenü, das Ergebnis erscheint als neue DNG-Datei und lässt sich wie jedes andere Foto weiterbearbeiten. Am besten arbeitet die Funktion mit Rohdaten direkt aus der Kamera. In den aktuellen Versionen von Photoshop und Lightroom kommt Generative Upscale hinzu. In Photoshop stehen dafür Adobes eigenes Firefly-Modell und Topaz Gigapixel zur Wahl, wobei die Topaz-Modelle generative Credits aus dem Abo verbrauchen.
Real-ESRGAN ist kostenlos, aber nichts für Nutzer, die einfach nur klicken wollen. Wer das Modell einsetzen möchte, richtet eine Python-Umgebung ein, startet die Berechnung über die Kommandozeile und profitiert von einer leistungsfähigen Grafikkarte.
Wann lohnt sich das Hochrechnen?
Für das Posten im Netz oder das Verschicken an Freunde reichen nach Einschätzung von Adobe-Entwickler Eric Chan schon zwölf Megapixel. Anders sieht es beim Druck aus. Als Richtwert gelten 300 dpi, für einen Abzug im Format 10 × 15 Zentimeter sind das rund 1.181 × 1.772 Pixel. Ein Wandbild braucht entsprechend mehr.
Auch ältere Digitalfotos und stark beschnittene Aufnahmen profitieren. Chan fotografierte einen Gerfalken, der nur für Sekunden über ihn hinwegflog. Nach dem Zuschnitt blieben 2,5 Megapixel übrig, Super Resolution machte daraus 10 Megapixel und damit genug für einen ordentlichen Abzug. Bei den meisten Bildern sind die zusätzlichen Pixel allerdings überflüssig, sagt Chan, der die Funktion nach eigener Aussage nur bei einer Handvoll seiner rund hunderttausend Fotos eingesetzt hat.
Wo stößt die KI an Grenzen?
Was die Software ergänzt, ist eine Schätzung. Die neuen Pixel passen statistisch ins Bild, müssen aber nicht dem entsprechen, was tatsächlich vor der Linse war. Bei Gesichtern, Schriftzügen oder Kennzeichen kann das zu sichtbaren Abweichungen führen. Als Beweisfoto oder für andere Zwecke, bei denen es auf jedes Detail ankommt, eignet sich ein KI-bearbeitetes Bild deshalb nicht.
Auch die Vorlage setzt Grenzen. Adobe empfiehlt, möglichst mit Rohdaten oder der saubersten verfügbaren Datei zu beginnen. Stark komprimierte JPEG- oder HEIC-Dateien bringen häufig Artefakte mit, die nach dem Hochrechnen deutlicher hervortreten können.
Worauf sollte man vor dem Hochladen achten?
Fotos, auf denen Menschen zu erkennen sind, gelten als personenbezogene Daten. Nach Artikel 5 Absatz 1 Buchstabe e der Datenschutz-Grundverordnung dürfen sie nur so lange gespeichert werden, wie es für den jeweiligen Zweck nötig ist. Ein seriöser Online-Dienst sagt deshalb klar, wann er hochgeladene Bilder löscht.
Vor der Anmeldung lohnt ein Blick in die Tarifbedingungen. „Kostenlos“ heißt bei manchen Anbietern nur, dass man eine Vorschau sieht oder eine begrenzte Auflösung herunterladen kann. Verlustfreie Formate wie PNG und TIFF, die sich für Druck und Weiterbearbeitung besser eignen, behalten manche Dienste zahlenden Kunden vor. Wer Produktbilder für einen Onlineshop bearbeitet, sollte außerdem prüfen, ob der gewählte Tarif die gewerbliche Nutzung erlaubt.
Am Urheberrecht ändert die Bearbeitung nichts. Wer ein fremdes Foto verbessert und veröffentlicht, braucht dafür weiterhin die Nutzungsrechte des Fotografen und bei erkennbaren Personen gegebenenfalls deren Einwilligung.
