Künstliche Intelligenz – dynamischen Entscheidung von Bildqualitätskriterien
von Ansgar Wessendorf,
Es soll ein neuronales Netzwerk entwickelt werden, das ohne eine formalisierte (menschliche) Beschreibung des jeweiligen Geschmacks bzw. Bildstils eine dynamische Bildqualitätsbewertung ermöglicht
(Quelle: Fogra)
„Deep quality“ ist ein Fogra-Forschungsprojekt, das die Entwicklung einer Lösung auf Grundlage künstlicher Intelligenz (KI) zur Bewertung von Bilddaten nach anwendungsspezifischen Bildstilen zum Gegenstand hat.
Davon sollen vor allem kleine und mittlere Designagenturen und Medienvorstufen profitieren, indem der zeitliche Aufwand für die “Look-Entwicklung” sowie für die Prüfung und Aufbereitung großer Bildbestände deutlich reduziert wird.
Anzeige
Es soll ein neuronales Netzwerk entwickelt werden, das ohne eine formalisierte (menschliche) Beschreibung des jeweiligen Geschmacks bzw. Bildstils eine dynamische Bildqualitätsbewertung ermöglicht. Die Bewertung erfolgt derart, dass beliebige Bilder für einen gegebenen Verwendungszweck automatisch daraufhin überprüft werden, ob sie einem bestimmten Bildstil entsprechen, ob sie dies nicht tun oder wie viel Aufwand für eine nötige Retusche (Bildkorrektur) veranschlagt wird („Ampelsystem”).
Die Automatisierung von bisher nicht objektiv beschreibbaren Bildstileigenschaften wie beispielsweise Erzielung spannender oder faszinierender Hell-/Dunkelkontraste oder die Prüfung nach natürlichen Tageslichtstimmung oder einer aktivierenden Tonalität soll durch die Anwendung moderner, überwachter Deep-Learning Algorithmen („Image-to-Image Translation”) umgesetzt werden.
Der Übergang von aktuellen, regelbasierten hin zu KI-basierten Maschinen unterstützt die weitere Digitalisierung der Medienvorstufe und ermöglicht den IT-Abteilungen – insbesondere der mittelständischen Repro-Unternehmen – die in Python bereitgestellten KI-Methoden selbst zu implementieren und zu testen.
