Super Resolution
Super Resolution erhöht die Auflösung von Bildern oder Videos mittels KI – rekonstruiert Details, die im Original nicht vorhanden sind.
Super Resolution skaliert Bilder mit KI hoch und rekonstruiert Details – rettet alte Assets, optimiert für Print und 4K, mit ESRGAN und Diffusion-Upscalern.
Erklärung
Moderne SR-Modelle (ESRGAN, Real-ESRGAN, Stable Diffusion Upscaler) nutzen neuronale Netze, um plausible hochauflösende Details zu halluzinieren. 2x bis 8x Upscaling üblich. Kombination mit Diffusion-Models verbessert Qualität.
Relevanz für Marketing
Löst häufiges Marketing-Problem: Niedrig aufgelöste Produktbilder oder Legacy-Assets für Print/Retina-Displays hochskalieren.
Beispiel
Alte 800x600 Produktfotos werden mit Real-ESRGAN auf 3200x2400 hochskaliert – nutzbar für Printmedien und 4K-Displays.
Häufige Fallstricke
Halluzinierte Details sind nicht real – kritisch bei Texten, Logos, medizinischen Bildern. Artefakte bei zu starkem Upscaling.
Entstehung & Geschichte
SRCNN (Dong et al., 2014) war das erste CNN-basierte SR-Modell. ESRGAN (Wang et al., 2018) setzte neue Qualitäts-Standards. Real-ESRGAN (2021) funktionierte robust auf realen Fotos. Stable Diffusion Upscaler (2022) kombinierten SR mit Diffusion. 2024 liefern Modelle wie Magnific und Topaz erstaunliche Ergebnisse.
Abgrenzung & Vergleiche
Super Resolution vs. Outpainting
Super Resolution erhöht die Pixeldichte; Outpainting erweitert das Bild in neue Bereiche.
Super Resolution vs. Image Enhancement
Super Resolution fokussiert auf Auflösung; Image Enhancement umfasst Farbe, Kontrast, Schärfe und mehr.