Schwarzweiss-Bilder Kolorieren

KI-Kolorierung verwendet Faltungsneuronale Netze (CNNs), die im LAB-Farbraum arbeiten. Der L-Kanal repraesentiert die Luminanz (das Graustufenbild), während die A- und B-Kanaele Farbinformationen kodieren. Das Modell nimmt den L-Kanal als Eingabe und sagt die A- und B-Kanaele voraus, die dann zu einem Vollfarbenbild kombiniert werden. Dieser Ansatz nutzt die Tatsache, dass die Luminanz strukturelle Informationen traegt, während die Chrominanz Farbe hinzufuegt.

Vor der KI war das Kolorieren von Fotografien ein muehsamer manueller Prozess. Kuenstler kolorierten Abzuege von Hand mit Oelen, Farbstoffen oder Aquarellfarben, eine Technik aus den 1840er Jahren. Die digitale Kolorierung entstand in den 1970er Jahren für Filme, erforderte aber, dass Kuenstler manuell Farben für jede Region auswaehlen. Moderne Deep-Learning-Modelle basierend auf Architekturen wie U-Net und ResNet automatisieren diesen Prozess, indem sie Farbverteilungen aus Millionen von Trainingsbildern lernen.

KI-Kolorierung hat inherente Einschränkungen. Das Modell kann die genaue Farbe beliebiger Objekte nicht bestimmen; ein Auto in Graustufen könnte jede Farbe haben. Es stuetzt sich auf Kontexthinweise und statistische Priors. Häufige Herausforderungen sind Farbüberlaeufe an Objektgrenzen, entsaettigte Ergebnisse in mehrdeutigen Bereichen und falsche Schätzungen bei ungewoehnlichen Farbkombinationen. Die Anpassung des Intensitaetsreglers kann einige dieser Probleme abmildern.

KI-Kolorierung geht über die persönliche Fotorestauration hinaus. Filmrestaurierungsstudios kolorieren klassische Schwarzweiss-Filme. Medizinische Bildgebungsforscher verwenden ähnliche Techniken zur Verbesserung von Graustufenscans. Die Satellitenbildanalyse profitiert von der Kolorierung zur Unterscheidung von Gelaendetypen. Kunsthistoriker nützen sie, um zu visualisieren, wie antike Skulpturen und Gebaeude urspruenglich in Farbe ausgesehen haben könnten.