Absurde Details: Forscher haben extremen Fake-Zoom entwickelt

Ein Bild, verschwommen. Dann ein Klick - und die Konturen werden klarer, schärfer, tiefer. In Korea hat ein KI-System gelernt, zu sehen, was nie aufgenommen wurde. Aber was entsteht da wirklich? Und wie nah kann künstliche Klarheit der Wahrheit kommen?

KI erzeugt unsichtbare Details: Der Zoom, der nur rät

Wenn Bilder unscharf sind, wünschen wir uns oft, einfach "reinzoomen" zu können - wie in Krimis, wenn plötzlich ein Autokennzeichen lesbar wird. Doch technisch ist das nicht möglich: Details, die nicht im Originalbild enthalten sind, lassen sich nicht einfach herausholen.

Hier setzen sogenannte Super-Resolution-Modelle an - KI-Verfahren, die aus niedrig aufgelösten Bildern scheinbar hochauflösende Versionen rekonstruieren. Sie tun dies, indem sie aus Trainingsdaten typische Strukturen und Muster gelernt haben - etwa, wie Augen, Buchstaben oder Texturen in hoher Auflösung normalerweise aussehen. Die Zoomstufen der Chain-of-Zoom (CoZ) sind meist plausibel, aber nicht real Solche Modelle stoßen aber schnell an ihre Grenze: Wird die Vergrößerung zu groß, entsteht Matsch - mehr als Raten ist dann auch für die vermeintlich schlauen Zoom-Algorithmen nicht mehr drin. Forschende am KAIST AI Institute in Korea haben nun ein System entwickelt, das scheinbar genau dieses Limit durchbricht. Ihr Verfahren mit dem Namen Chain-of-Zoom (CoZ) erzeugt Zoomstufen mit extremer Schärfe - teils bis zum 256-Fachen der Ausgangsauflösung.

Klarheit? Es kommt aufs Detail an

Doch diese Klarheit hat einen Haken: Sie ist nicht real. Die Details, die dabei sichtbar werden, waren nicht im Originalbild enthalten. Die Idee der Koreaner ist dennoch clever: Statt alles in einem großen Schritt zu vergrößern, gehen sie stufenweise vor - jede neue Zoom-Stufe baut auf der vorigen auf, angereichert mit zusätzlichen Informationen. So lassen sich aus wenigen vorhandenen Pixeln immer wieder neue Bildinhalte erzeugen, die beim nächsten Schritt als Grundlage dienen.

Was dabei entsteht, ist ein konstruiertes Bild - ein Fake-Zoom. Kein klassisches Nachschärfen, keine Rekonstruktion realer Bildpunkte, sondern eine spekulative Neuschöpfung dessen, was dort plausiblerweise zu sehen sein könnte. Was nach fotografischer Präzision aussieht, ist in Wahrheit das Ergebnis einer langen Kette von KI-generierten Interpretationen. Schritt für Schritt zum Super-Zoom Technisch funktioniert CoZ über eine Abfolge kleiner Vergrößerungsschritte. Bei jedem Schritt kommt ein sogenanntes Vision-Language-Modell (VLM) zum Einsatz, das den aktuellen Bildinhalt in eine textuelle Beschreibung übersetzt - etwa: "braunes, gemustertes Fell mit kurzen Haaren". Diese Beschreibung dient dann als Prompt für ein klassisches Super-Resolution-Modell, das daraus eine neue, höher aufgelöste Bildversion erzeugt.

Mit diesem Ansatz konnten die Forschenden stufenweise Vergrößerungen auf das 16-, 64- oder 256-Fache erzielen - mit durchgängig scharfem und semantisch konsistentem Ergebnis. Ein zentrales Merkmal von CoZ: Die eingesetzten Bildmodelle bleiben unverändert. Ganz ohne neues Training erreichen bestehende Modelle, die für 4-fach-Zoom entwickelt wurden, so am Ende eine 64-fach höhere Zoom-Auflösung. Die Qualität der mit dem Sekundärsystem erzeugten Beschreibungen wurde zusätzlich durch Reinforcement Learning verbessert, um den Bildaufbau noch gezielter zu steuern.

Forscher schränken klar ein

Die Ergebnisse veröffentlichten Bryan Sangwoo Kim, Jeongsol Kim und Jong Chul Ye auf dem Preprint-Server arXiv. Dort zeigen sie, dass CoZ bei gängigen Benchmarks die Qualität etablierter Verfahren übertrifft - obwohl es nur auf bereits existierende Modelle zurückgreift.

Trotz der beeindruckenden Ergebnisse bleibt ein entscheidender Vorbehalt: Die erzeugten Details wirken im richtigen Kontext täuschend echt - sind es aber nicht. Am besten zeigt das ein Beispiel: Wird mithilfe von CoZ ein verschwommenes Nummernschild vergrößert, erscheint es plötzlich gestochen scharf - inklusive klar lesbarer Ziffern und Buchstaben. Doch diese Zeichen müssen mit dem echten Kennzeichen nichts zu tun haben. Sie wurden von der KI erfunden, auf Basis dessen, was sie für plausibel hält.

Genau deshalb weisen die Forschenden mit Nachdruck auf die Grenzen ihres Verfahrens hin. So überzeugend die Ergebnisse auch wirken mögen - CoZ ist nicht für forensische Anwendungen geeignet. Es handelt sich nicht um eine reale Vergrößerung, sondern um ein synthetisches KI-Ergebnis.
Extremer Zoom, aber ... ... echt ist das nicht Technik-Überblick:
Doch wo ergibt ein solches System dann überhaupt Sinn? Überall dort, wo es nicht auf exakte Details ankommt, sondern auf stimmige Strukturen. In der digitalen Kunst, der Medienproduktion oder Simulation, wo das Ziel nicht Exaktheit, sondern visuelle Kohärenz ist, könnte CoZ eine neue Qualität bieten, indem es Strukturen oder Oberflächentexturen liefert, die zwar synthetisch sind, aber im Kontext überzeugend wirken. Weitere Informationen wie Github-Links liefert Bryan Sangwoo Kim auf der CoZ-Projekt-Seite.


Siehe auch: