RAISR

RAISR (Abkürzung für Rapid and Accurate Image Super Resolution, auf Deutsch etwa schnelle und genaue Bild-Superauflösung) ist ein Algorithmus von Google um Fotos zu vergrößern. Die Software, die maschinelles Lernen verwendet, kommt seit Ende des Jahres 2016 zur Anwendung.

RAISR ist ein Verfahren, um qualitativ hochwertige Bilder aus niedrig aufgelösten Versionen zu berechnen. Dabei liefert es Ergebnisse, die qualitativ mit vorhandenen Super-Resolution-Verfahren vergleichbar oder besser sind und verkürzt die Berechnungszeit um das 10- bis 100-fache. Die Geschwindigkeit des Verfahrens ermöglicht es, die Bilder auf mobilen Endgeräten in Echtzeit zur Verfügung zu stellen. RAISR vermeidet zudem die Wiederherstellung von Alias-Effekten, die in den Versionen mit niedriger Auflösung noch vorhanden sind. Bei einer mit dem Original vergleichbaren Qualität können mit dem Algorithmus etwa 75 % der Bandbreite eingespart werden.

RAISR nutzt Filter, die selektiv auf einzelne Bildbereiche des niedrig aufgelösten Bildes angewandt werden, um Details wiederherzustellen. Diese Filter werden RAISR mithilfe Deep Learning angelernt, indem das Programm jeweils eine niedrig auflösende und eine hochauflösende Variante eines Bildes vergleicht. Die Filter wurden sowohl aus Varianten unterschiedlicher Auflösung erlernt als auch aus einem zunächst durch herkömmliche Upsampling-Methoden vergrößerten Bild mit dem hochqualitativen Bild. Für die Kantenerkennung erhielt RAISR zusätzliches Training.

Das Verfahren wird vor allem genutzt, um Bilder clientseitig auf mobilen Endgeräten hochzuskalieren und so Bandbreite bei der Übertragung der Bilder einzusparen. Im Dezember 2016 kam RAISR in der iOS-App Motion Stills, einer App, die Bildstabilisierung nutzt, um GIFs zu erstellen, erstmals zur Anwendung.[1] Ab 2017 wurde das Verfahren bei Google+ eingesetzt, so wurden etwa im Januar 2017 wöchentlich eine Milliarde Bilder skaliert.[2] Die Hauptkamera und der Pixel Visual Core des Pixel 2 von Google nutzen RAISR, um digital gezoomte Aufnahmen schärfer und detaillierter aussehen zu lassen.[3]

  • Peyman Milanfar: Enhance! RAISR Sharp Images with Machine Learning. In: Research Blog. 14. November 2016 (googleblog.com).
  • Yaniv Romano, John Isidoro, Peyman Milanfar: RAISR: Rapid and Accurate Image Super Resolution. In: arXiv.org. 3. Juni 2016, arxiv:1606.01299 [abs].

Einzelnachweise

  1. ↑ Matthias Grundmann, Ken Conley: Get moving with the new Motion Stills. In: Research Blog. 15. Dezember 2016 (googleblog.com [abgerufen am 2. Februar 2017]).
  2. ↑ John Nack: Saving you bandwidth through machine learning. In: Google. 11. Januar 2017 (blog.google [abgerufen am 2. Februar 2017]).
  3. ↑ Ofer Shacham: Use Pixel 2 for better photos in Instagram, WhatsApp and Snapchat. In: Google. 5. Februar 2018 (blog.google [abgerufen am 7. Mai 2018]).

Content Disclaimer

Informasi ini disarikan dari Wikipedia dan disajikan kembali untuk tujuan edukasi. Konten tersedia di bawah lisensi CC BY-SA 3.0. Kami tidak bertanggung jawab atas ketidakakuratan data yang bersumber dari kontribusi publik tersebut.

  1. The information displayed on this website is sourced in part or in whole from Wikipedia and has been adapted for the purpose of restating it. We strive to provide accurate and relevant information, however:
  2. There is no guarantee of absolute accuracy. Wikipedia is an open, collaborative project that can be edited by anyone, so information is subject to change.
  3. It is not intended to constitute professional advice. The content displayed is for informational and educational purposes only. For important decisions (e.g., medical, legal, or financial), please consult a professional.
  4. Content copyright. Wikipedia is licensed under the Creative Commons Attribution-ShareAlike License (CC BY-SA). This means that content may be reused with appropriate attribution and shared under a similar license.
  5. Responsible use. Any risk arising from the use of information from this website is entirely the responsibility of the user.