Künstliche Intelligenz kann auch Grafikdesign
Die TU Wien entwickelt neuronale Netze für eine einfachere und schnellere fotorealistischere Darstellung unterschiedlichster Materialien am Computer.
Wenn computergenerierte Bilder realistisch wirken sollen, müssen unterschiedliche Materialien unterschiedlich dargestellt werden. Der metallische Schimmer einer Münze sieht ganz anders aus als der matte Glanz einer Holzplatte oder die leicht durchsichtige Haut einer Weintraube. Um solche Materialeffekte exakt simulieren zu können, braucht es normalerweise viel Erfahrung und Geduld. Viele verschiedene Parameter müssen sorgfältig justiert werden, dazu die Wartezeit bis der Computer das entsprechende Bild berechnet hat.
An der TU Wien wurden nun Methoden entwickelt, mit denen dieser Vorgang viel schneller und einfacher wird. Eine künstliche Intelligenz erkennt dabei die gestalterischen Wünsche und schlägt selbstständig passende Varianten vor. Basis ist ein neuronales Netz, das die gewählten Material-Parameter in Echtzeit auf ein vorgefertigtes Probeobjekt anwendet und das kann nun für unterschiedliche Nutzungen im Grafikbereich eingesetzt werden – vom Gamedesign über Filmanimation bis zur Architektur-Visualisierung.
Visual Computing and Human-Centered Technoloy
„Normalerweise muss man am Computer bis zu hundert Parameter händisch anpassen, damit ein Objekt fotorealistisch aussieht“, sagt Károly Zsolnai-Fehér vom Institut für Visual Computing and Human-Centered Technoloy an der TU Wien. „Wenn man ein Bild erzeugen will, auf dem viele verschiedene Materialien vorkommen, ist es sehr herausfordernd und zeitaufwändig, für alle eine zufriedenstellende Lösung zu finden“, so Zsolnai-Fehér weiter.
Der Forscher setzt nun Methoden der künstlichen Intelligenz ein, wo der Computer zunächst an einem Probeobjekt lernt, wie ein bestimmtes Material dargestellt werden soll und das dann in verschiedenen Varianten anzeigt. Dann folgt der Klick des Menschen, welche/s Modell/e am ehesten zum gewünschten Ergebnis passt/en. Nach ein paar Proberunden hat die künstliche Intelligenz die physikalischen Eigenschaften des gewünschten Materials erlernt. „Diese erlernten Parameter können dann verwendet werden, um Objekte dieses Materials nun passend zu einer bestimmten Beleuchtung in ein beliebiges Bild einzufügen“, erklärt Michael Wimmer, Forschungsgruppenleiter der TU-Wien.
Machine-Learning-Algorithmus plus neuronales Netz
Es genügt aber noch nicht, dass sich der Computer rasch auf die Wünsche des Menschen einstellt – es ist auch wichtig, dass er die Vorschaubilder in jeder Proberunde in möglichst kurzer Zeit präsentiert. Meistens werden fotorealistische Bilder generiert, indem die Ausbreitung von Lichtstrahlen physikalisch möglichst exakt simuliert wird. Mit solchen physik-basierten Methoden dauert das Erstellen eines Testbildes allerdings jedes Mal einige Minuten und bei hunderten Testbildern kann das entsprechend zur nervenaufreibenden Geduldsprobe werden.
Abhilfe schafft auch hier künstliche Intelligenz: Zusätzlich zum Machine-Learning-Algorithmus für die passenden Parameter, entwickelte Károly Zsolnai-Fehér auch ein neuronales Netz, das die jeweiligen Material-Parameter viel rascher auf ein Probeobjekt anwendet als das mit bisherigen Computercode möglich ist. Wenn nötig können die Resultate des neuronalen Netzes danach auch noch auf sehr einfache Weise angepasst und verfeinert werden und dabei sind auch komplizierte Materialien wie reflektierende oder diffus streuende Oberflächen kein Problem.