Restaurieren Sie alte Familienfotos mit KI

Das spezifische Problem der Gesichter in alten Fotos

Alte Fotos weisen verschiedene Arten von Schäden auf: Kratzer, Vergilbung, niedrige Auflösung, Unschärfen, aggressive Kompression. Generische Upscale-Algorithmen können vieles bereinigen – versagen aber bei Gesichtern. Warum? Weil Gesichter der Bereich sind, in dem unser Gehirn am empfindlichsten auf Unvollkommenheiten reagiert. Einen verschwommenen Fleck auf einer Wand bemerkt man kaum. Ein verschwommener Fleck auf einer Wange ruiniert das gesamte Foto.

Das GFPGAN (Generative Facial Prior GAN) wurde speziell dafür entwickelt. Es kombiniert zwei Netzwerke: einen Encoder, der die Gesichtsstruktur aus dem beschädigten Bild extrahiert (selbst wenn es stark degradiert ist), und einen StyleGAN-Generator, der auf Millionen echter Gesichter trainiert wurde und die Details rekonstruiert.

Wie das Gesichts-Prior funktioniert

Prior facial" ist die statistische Information, die das Modell darüber hat, wie menschliche Gesichter "aussehen sollten". StyleGAN wurde auf dem Dataset FFHQ (70.000 hochauflösende Gesichter) trainiert und lernte die Beziehung zwischen:

• Kopfform → Augenposition
• Ungefähres Alter → Hauttextur
• Beleuchtung → Schatten in bestimmten Bereichen
• Haarfarbe → typische Wimpernfarbe

Wenn Sie ein degradiertes Foto übergeben, macht GFPGAN zunächst eine grobe Schätzung ("das ist das Gesicht einer älteren Dame, wahrscheinlich weiß, braune Augen, graues Haar"), und verwendet dann StyleGAN, um die Details zu ergänzen, die mit dieser Schätzung konsistent sind.

Das ethische Problem: Treue vs. Glaubwürdigkeit

Hier liegt der sensibelste Punkt der KI-gestützten Restaurierung: Das restaurierte Foto zeigt nicht exakt die Person, die damals dort war. Das Modell halluziniert Details, die für ein generisches Gesicht, das zum beobachteten Schaden passt, plausibel erscheinen – kann aber bei der genauen Form der Nase, der exakten Augenfarbe oder den Zähnen Fehler machen.

Für den familiären Gebrauch ist das in der Regel in Ordnung – das allgemeine Erscheinungsbild stimmt, und niemand wird es forensisch mit einem Original vergleichen, das bereits zerstört war. In Kontexten jedoch, in denen Originaltreue entscheidend ist (rechtliche Identifizierung, historischer Journalismus), sollten Sie das restaurierte Foto neben dem Original zeigen – nicht das Original ersetzen.

Beste Praktiken für bessere Ergebnisse

• In hoher Auflösung digitalisieren: Scannen Sie mit mindestens 600 DPI, auch wenn das Originalfoto klein ist. Mehr Pixel für das Modell = besseres Ergebnis.
• Das Foto für jedes Gesicht zuschneiden: Wenn das Foto 5 Personen enthält, verarbeiten Sie 5 einzelne Crops. Das Modell gibt zentrierte Aufmerksamkeit; Gesichter in Ecken werden schlechter.
• Komprimierung beim Input vermeiden: Komprimiertes JPEG verliert genau die hohen Frequenzen, die GFPGAN benötigt, um Details zu inferieren.
• Mit separater Kolorierung kombinieren: GFPGAN bewahrt die Farbe des Fotos. Wenn Sie einem S/W-Foto Farbe geben möchten, führen Sie es vorher durch ein Kolorierungsmodell.
• Das Original bewahren: Bewahren Sie immer das Rohfoto auf. Restaurierung ist eine Interpretation, keine endgültige Wiederherstellung.

Grenzen, wo GFPGAN versagt

• Kinderfotos: Das Modell wurde hauptsächlich mit Erwachsenen trainiert; Kindergesichter wirken manchmal „älter"
• Starke Verdeckung (Maske, Sonnenbrille, Hand im Gesicht): Es kann versuchen, das gesamte Gesicht zu rekonstruieren und dabei zu erfinden, was es nicht gesehen hat
• Extreme Ausdrücke (weit geöffneter Mund beim Singen, lautes Lachen): Der Gesichts-Prior geht von neutralen Ausdrücken aus; kann zu stark glätten
• Kulturspezifische Accessoires (Turbane, Theatermasken): Das Modell kann diese entfernen oder vereinfachen

Teste jetzt gleich

Senden Sie ein eingescanntes altes Foto im Brainiall-Chat und bitten Sie darum, „die Gesichter dieses Fotos unter Beibehaltung von Farbe und Kontext zu restaurieren". Die Pipeline kombiniert automatisch Gesichtserkennung + GFPGAN + Reintegration. Der Pro-Plan für €5,49 verarbeitet bis zu 100 Restaurierungen/Monat.