Forscher von Nvidia, des MIT und der finnischen Aalto-Universität trainierten ein künstliches neuronales Netz, das durch Bildrauschen verunstaltete Bilder in ihren Ursprungszustand versetzen kann - selbst wenn es das Original nie gesehen hat.
Für das Training griff das Forscherteam auf 50.000 Bilder des Imagenet zurück, einer für KI-Forschung optimierten Bilddatenbank. Die Wissenschaftler wählten an sich einwandfreie Bilder und fügten jeweils zweimal ein Bildrauschen hinzu. Die beiden auf unterschiedliche Weise verrauschten Bilder dienten dem künstlichen neuronalen Netz anschließend als Trainingsmaterial. Zum Einsatz kamen Fotografien, computergenerierte Bilder und MRT-Scans.
Das Besondere an dem "Noise2Noise" genannten KI-System: Es kann das Originalbild rekonstruieren, ohne es jemals in unbeschädigtem Zustand gesehen zu haben. Ein früheres KI-Experiment Nvidias kann unter anderem Gesichter in Fotos rekonstruieren - selbst wenn eine Vielzahl Pixel fehlen. Das künstliche neuronale Netz lernte jedoch mit Hilfe intakter Bilder. Noise2Noise leistet Ähnliches, aber (wie schon der Name nahelegt) nur anhand zweier, gleichermaßen beschädigter Bilder.
Das künstliche neuronale Netz soll zudem besonders schnell sein und Bilder im Eiltempo ausbessern können - schneller als jeder professionelle Digitalbildrestaurator.
Nvidia sieht eine Reihe möglicher Anwendungsszenarien für die KI-Technologie. Von Teleskopen erstellte Langzeitaufnahmen des Nachthimmels könnten nachträglich ausgebessert werden. Die KI könnte außerdem helfen, das Bildrauschen in MRT-Scans zu reduzieren, das bisher ein recht zeitaufwendiges Verfahren ist. Mit Hilfe der KI könnten Ärzte schneller Diagnosen stellen.
Mehr zur Nvidia-KI steht hier. Die Forschungsarbeit kann hier eingesehen werden.