Muse Image

Muse Image ist ein Computerprogramm, das aus einem geschriebenen Satz ein Bild macht. Man tippt zum Beispiel „ein Elefant auf einem Skateboard vor dem Kolosseum“ ein und bekommt ein Bild dazu. Solche Programme heißen Text-zu-Bild-Systeme, weil sie Sprache in Bilder übersetzen. Muse wurde 2023 von Forschern bei Google vorgestellt und war vor allem deshalb interessant, weil es sehr schnell rechnete. Es ist kein Produkt, das man einfach herunterladen kann, sondern ein Forschungsprojekt. Sein besonderer Trick: Muse behandelt ein Bild ähnlich wie einen Text, nämlich als Folge von Bausteinen.

Warum Muse schneller war als die Konkurrenz

Als Muse erschien, arbeiteten fast alle bekannten Bildgeneratoren nach einem anderen Prinzip. Sie starten mit reinem Bildrauschen, also einem Muster aus zufälligen Farbpunkten, und säubern es Schritt für Schritt. Dieses Verfahren nennt man Diffusion. Es liefert gute Bilder, braucht aber oft dutzende bis hunderte Rechenschritte pro Bild.

Muse kam mit einer sehr kleinen Zahl von Schritten aus, in der Forschungsarbeit waren es rund zwei Dutzend. Nach Angaben der Autoren war es damit um ein Vielfaches schneller als vergleichbare Systeme derselben Zeit. Das klingt technisch, hat aber direkte Folgen für Geld: Jeder Rechenschritt kostet Strom und Rechenzeit in einem Rechenzentrum. Wer Millionen Bilder pro Tag ausliefert, spart mit weniger Schritten sehr viel ein.

Wichtig ist Muse deshalb weniger als fertiges Werkzeug, sondern als Beweis. Es zeigte, dass der Umweg über das Rauschen nicht der einzige Weg zu guten Bildern ist. Diese Idee taucht seither in mehreren neueren Bildmodellen wieder auf.

Bildbausteine statt Pixel

Muse zerlegt ein Bild nicht in einzelne Bildpunkte, sondern in größere Felder. Jedes Feld bekommt eine Nummer aus einem festen Katalog von Bildbausteinen. Man kann sich diesen Katalog wie eine Kiste mit Legosteinen vorstellen: Es gibt einen Stein für „unscharfe grüne Fläche“, einen für „Kante mit Schatten“ und tausende weitere. Ein Bild ist dann nur noch eine Liste von Steinnummern.

Beim Erzeugen liegt zuerst ein leeres Raster vor. Muse füllt in jeder Runde einen Teil der Felder gleichzeitig mit passenden Bausteinen. Anschließend prüft das Modell, bei welchen Feldern es sich unsicher ist, wirft diese wieder weg und füllt sie neu. Weil viele Felder parallel entstehen, sind wenige Runden nötig. Dieses Vorgehen heißt maskierte Vorhersage: Das Modell errät verdeckte Stellen aus dem, was rundherum schon steht.

Damit die Bilder zum Text passen, liest ein zweites Modell zuerst die Eingabe und wandelt sie in Zahlenwerte um. Diese Werte lenken bei jeder Runde die Auswahl der Bausteine. Muse arbeitet außerdem in zwei Stufen: Zuerst entsteht ein grobes Bild, dann ergänzt ein weiteres Modell die feinen Details in höherer Auflösung. Ein häufiger Irrtum ist, Muse sei eine Art abgespeckte Diffusion. Tatsächlich ist die Technik enger mit Sprachmodellen verwandt, die das nächste Wort vorhersagen.

Muse in Nachrichten und in Bildwerkzeugen

Den Namen Muse liest man vor allem in Fachartikeln und in Meldungen über Googles KI-Forschung. Als Endkundenprodukt hat Google die Technik nicht veröffentlicht; die bekannten Google-Bildgeneratoren tragen andere Namen. Wer Bilder aus Text erzeugen will, nutzt heute Dienste wie Midjourney, Stable Diffusion oder die Bildfunktionen großer Chatbots. Muse steht in solchen Texten meist als Beispiel für einen alternativen technischen Weg.

Interessant ist Muse auch wegen einer Zusatzfähigkeit: Weil das Modell verdeckte Felder ergänzen kann, lässt es sich zum Retuschieren einsetzen. Man markiert einen Bereich in einem vorhandenen Foto und beschreibt, was dort stehen soll. Genau diese Funktion findet man inzwischen in vielen Bildbearbeitungsprogrammen unter Namen wie „generatives Füllen“.

Für Anleger und Beobachter der Branche ist der Punkt hinter Muse wichtiger als der Name selbst. Rechenkosten entscheiden mit darüber, welche KI-Dienste sich wirtschaftlich betreiben lassen. Jede Methode, die dieselbe Qualität mit weniger Rechenschritten erreicht, verändert diese Rechnung.