Inpainting
Inpainting bezeichnet das Ausfüllen einer markierten Stelle in einem Bild durch ein Computerprogramm, das den fehlenden Inhalt passend zur Umgebung neu erzeugt. Heute übernehmen das KI-Modelle, die aus Millionen von Bildern gelernt haben, wie Oberflächen, Schatten und Muster typischerweise aussehen.
Auf einem Urlaubsfoto steht ein Mülleimer im Bild. Man markiert ihn mit dem Finger oder der Maus und löscht ihn. Zurück bleibt ein Loch, das gefüllt werden muss. Inpainting nennt man das automatische Füllen dieser Lücke: Das Programm erzeugt neuen Bildinhalt, der zur Umgebung passt. Es kopiert dabei nicht einfach benachbarte Bildbereiche, sondern erfindet plausible Details, also Details, die glaubwürdig wirken. Der Begriff stammt aus der Restaurierung von Gemälden, wo Fachleute Fehlstellen in alter Farbe nachmalen.
Vom Retuschier-Handwerk zum Ein-Klick-Werkzeug
Früher war das Entfernen eines Objekts aus einem Foto echte Handarbeit. Ein geübter Bildbearbeiter brauchte dafür Minuten bis Stunden, je nach Motiv. Er musste Farbverläufe, Schattenkanten und Strukturen wie Gras oder Holzmaserung von Hand nachbauen. Heute erledigt ein Smartphone dieselbe Aufgabe in wenigen Sekunden. Damit ist eine Fähigkeit, die Spezialwissen erforderte, für alle verfügbar geworden.
Das hat eine unangenehme Kehrseite. Wenn jedes Handy Personen oder Gegenstände spurlos aus Bildern löschen kann, verliert ein Foto einen Teil seiner Beweiskraft. Für Journalismus, Versicherungsfälle und Gerichte ist das ein ernstes Problem. Deshalb arbeiten Kamerahersteller und Softwarefirmen an Herkunftsnachweisen, die festhalten, ob und wie ein Bild bearbeitet wurde. Ein bekannter Standard dafür heißt C2PA.
Wirtschaftlich ist Inpainting einer der Gründe, warum Bild-KI schnell Geld verdient. Reine Bildgeneratoren erzeugen etwas völlig Neues, was für Firmen oft unbrauchbar ist. Inpainting dagegen verbessert vorhandenes Material: Produktfotos, Immobilienbilder, Werbemotive. Man behält die Kontrolle über das Bild und ändert nur eine Stelle.
Maske, Rauschen und Kontext
Der Nutzer übergibt dem Modell zwei Dinge: das Bild und eine Maske. Die Maske ist eine Art Schablone und markiert genau den Bereich, der neu entstehen soll. Alles außerhalb der Maske bleibt unverändert erhalten. Oft kommt noch ein Textbefehl dazu, etwa « leere Straße » oder « Wiese mit Steinen ». So kann man steuern, was in die Lücke hineinkommt.
Die meisten heutigen Systeme arbeiten mit sogenannten Diffusionsmodellen. Diese Modelle haben im Training gelernt, aus einem Bild voller zufälliger Bildpunkte, also aus reinem Rauschen, schrittweise ein klares Bild herauszuarbeiten. Beim Inpainting startet dieser Prozess nur innerhalb der Maske. In jedem Rechenschritt schaut das Modell auf die unveränderte Umgebung und richtet die neuen Bildpunkte danach aus. So entstehen Farben, Helligkeit und Muster, die zum Rest des Bildes passen.
Verwandt, aber nicht dasselbe ist Outpainting. Dabei wird ein Bild über seinen ursprünglichen Rand hinaus erweitert, etwa von einem Hochformat zu einem Breitbild. Ein häufiger Irrtum ist außerdem die Annahme, Inpainting rekonstruiere den wahren Inhalt hinter dem entfernten Objekt. Das Modell weiß nicht, was dort tatsächlich war. Es erzeugt eine überzeugende Erfindung, keine Wiederherstellung.
Vom Handy-Radiergummi bis zur Filmproduktion
Am häufigsten trifft man Inpainting in der Fotogalerie des Smartphones. Google nennt die Funktion « Magischer Radierer », Apple bietet unter « Bereinigen » etwas Ähnliches an. In Photoshop heißt das Werkzeug « Generative Füllung ». In allen Fällen ist die Bedienung gleich: markieren, warten, Ergebnis prüfen.
Professionell wird die Technik in Filmstudios eingesetzt. Dort verschwinden Kamerakabel, Drohnen oder Absperrungen aus Aufnahmen, bei denen sie versehentlich ins Bild geraten sind. Onlineshops entfernen störende Hintergründe aus Produktbildern. Museen und Archive nutzen verwandte Verfahren, um Risse und Kratzer in alten Fotografien zu schließen.
In den Nachrichten taucht Inpainting meist in zwei Zusammenhängen auf. Zum einen bei neuen Handy-Generationen, wo die Bildbearbeitung ein zentrales Verkaufsargument ist. Zum anderen bei Debatten über manipulierte Bilder in sozialen Netzwerken. Wer die Technik kennt, versteht beide Meldungen besser.