Hallo,
das Thema Bildbearbeitung mit KI war zuletzt schon mehrfach Diskussionsthema, insbesondere auch das Problem der unkontrollierten Veränderung des Bildinhalts durch die KI. Ich will speziell die "Hintergrundbereinigung" hier thematisieren weil das eigentlich der umständlichste Bearbeitungschritt mit Hilfe von Bildbearbeitungsprogrammen ist, während bei Optimierung von Kontrast u.ä. Standardoperationen eigentlich wenig Bedarf für die KI besteht. Das erreicht man mit jeder normalen Software kontrolliert mit wenigen Mausklicks.
Zusätzlicher Anlass für den Beitrag ist auch Annes letzter Beitrag über Pediastrum im Phasenkontrast
https://www.mikroskopie-forum.de/index.php?topic=54718.0
Ich begrüße ausdrücklich den ehrlichen Hinweis darin, dass KI für die Hintergrundreinigung verwendet wurde. Ich denke jedem ist doch klar, dass ein im Hintergrund fehlerfreies Bild immer das Ergebnis von Bereinigung ist, und dann ist eigentlich egal ob es mit KI oder manuell erfolgt. Jeder sollte die Offenheit haben darauf hinzuweisen, KI ist schließlich auch für andere Anwender interessant. ;)
Ich habe für meinen folgenden KI-Test wieder die drei gängigen KI-Modelle ChatGPT, Gemini und Claude verwendet. Als Testobjekt das von Peter schon einmal verwendete Foto eines Bauchhärlings:
https://www.mikroskopie-forum.de/index.php?topic=54611.msg396899;topicseen#msg396899
Der Bildhintergrund dieses Fotos ist nicht einfach zu bereinigen, da hat jeder manuelle Bildbearbeiter größere Probleme: Der Hintergrund hat Staubflecken (das ist noch einfach), einen starken Helligkeitsgradienten diagonal über die Bildfläche, und auch noch z.T. sehr wenig Kontrast. Speziell der geringe Kontrast der Zilien gegenüber dem Hintergrund macht eine klare Abgrenzung zum Hintergrund schwierig.
Bauchhärling.jpg
Ich habe der KI in allen Fällen das Gleiche vorgegeben, sie sollte den Bauchhärling durch einen homogen grauen Hintergrund freistellen, dabei sollen die Objektstrukturen und der Bildkontrast unverändert bleiben. Bei der Anweisung wurde auch die notwendige Freistellung der kontrastarmen Strukturen am Rand des Bauchhärlings betont. Die Beschreibung des Objekts durch einen bekannten Namen kann bei KI ein Vorteil sein, weil sie die Strukturen dann eventuell konkret interpretieren kann.
Die 3 KI-Programme verwenden deutlich unterschiedliche Philosophien speziell bei der Bildverarbeitung. Das ist bereits dadurch erkennbar, dass das Originalbild 1024x683 Pixel hat, das von ChatGPT erzeugte 1535x1024, Gemini 1264x843 und nur Claude das Originalformat 1024x683 verwendet.
ChatGPT
Die grundsätzlich nicht-objektgetreue Bild-Reproduktion von ChatGPT wurde im Forum schon mehrfach angesprochen, das hat sich auch bei dem Test wieder gezeigt. Der Bildkontrast ist regelmäßig viel zu hoch, der lässt sich selbst durch mehrfachen gutes "Zureden" nicht auf das originale Maß senken. Im folgenden GIF habe ich das Originalbild mit dem freigestellten Bild von ChatGPT überlagert. Man sieht dass die Zilienanordnung reiner Zufall ist, ein Großteil fehlt, und auch die Geometrie ist örtlich sehr unterschiedlich stark verändert. Das Ergebnisbild ist außerdem immer verdreht gegenüber dem Original, was alles eine halbwegs deckungsgleiche Überlagerung schwierig macht.
ChatGPT Original.gif
Ich habe dann die KI gefragt, wie das Bild freigestellt wurde:
"Der Hintergrund wurde hier nicht pixelgenau durch eine klassische Segmentierung (z. B. Schwellwert, Kantenmaske oder manuell erstellte Maske) erkannt. Stattdessen wurde das Bild als Vorlage für ein generatives Bildmodell verwendet, das anhand der Bildinhalte zwischen dem eigentlichen Organismus und dem Hintergrund unterscheiden sollte.
Bei den feinen Haaren gibt es im Original keine klare Grenze. Ein generatives Modell kann zwar ableiten, dass bestimmte schwache Linien wahrscheinlich zum Organismus gehören, aber es besitzt keine objektive Pixelgrenze, an der es sagen könnte: ,,Hier endet das Haar."
Beim erzeugten Bild wurde daher vermutlich eine semantische Freistellung vorgenommen: Das Modell hat die Gesamtform des Bauchhärlings und charakteristische fadenförmige Randstrukturen interpretiert und daraus eine neue transparente Kontur erzeugt. Dabei können Haare verändert bzw. neu interpretiert werden."
Der Grund für das Ausgabeformat ist übrigens eine interen Vorgabe des Bildgenerators, die schmale Seite hat üblicherweise 1024 Pixel um das System durch die Millionen Anfragen nicht zu überlasten.
Gemini
Gemini erzeugte im Gegensatz zu ChatGPT eine ziemlich genaue Detailreproduktion des Originals, wenn auch nicht pixelgenau. Hier wieder ein GIF zum Vergleich mit dem Original.
Gemini Original.gif
Zur Frage der Methode der Bildfreistellung sagt Gemini:
Die Segmentierung des Bauchhärlings erfolgte durch ein Convolutional Neural Network (CNN) zur semantischen Bildsegmentierung (Mask R-CNN / U-Net-Architektur). Das Modell analysierte Helligkeitsgradienten, Kantenverläufe sowie feine Texturunterschiede zwischen dem Objekt und den Inhomogenitäten des Hintergrunds, um eine hochauflösende Alphamaske für die transparenten Randstrukturen zu berechnen.
Auf Basis dieser Maske wurden die Hintergrundpixel isoliert und durch einen homogenen Grauwert ersetzt. Der Pixelbereich des Objekts blieb dabei unkorrigiert, um die ursprünglichen Werte für Kontrast, Farbsättigung und Detailzeichnung zu erhalten.
Zur veränderten Bildgröße: Gemini arbeitet auch mit festen Ausgabewerten und Standard-Seitenverhältnissen bei der Bildgröße, für eine effiziente einheitliche Bildverarbeitung. In diesem Fall stimmte das Seitenverhältnis 3:2 mit einem Standard überein. Die Bilder werden bei Gemini zur Bearbeitung in quadratische Kacheln zerlegt, das Ausgabeformat liegt nahe beim ganzzahligen Vielfachen von 16x16 Pixel Kacheln.
Die Gemini-KI hat übrigens die Vorgabe der unveränderten Objektstrukturen insofern wörtlich genommen, als sie auch den Einfluss des Hintergrund-Helligkeitsgradienten auf die Objekthelligkeit ursprünglich nicht korrigiert hat. Das gezeigte Bild ist dann das Ergebnis einer zusätzlichen Korrektur. Bei ChatGPT gab es das Problem nicht da dort das Objekt sowieso neu ,,erfunden" wird.
Claude
Zuletzt noch das Ergebnis von Claude, das Objekt stimmte Pixelgenau mit dem Original überein, also auch die gesamte Bildgröße. Das Modell arbeitet mit Bildern bis zu 30 MP, also im Gegensatz zu den beiden anderen KIs ziemlich unbegrenzt.
Claude hat von sich aus bereits den Helligkeitsgradienten des Objekts korrigiert.
Claude Original.gif
Claude arbeitet also ganz anders als die beiden anderen Systeme, es arbeitet mit klassischer Bildbearbeitung. Zur Methode der Freistellung sagt die KI:
"Ich habe für jedes Pixel nur eine Ja/Nein- bzw. Übergangs-Entscheidung getroffen: ,,gehört das zum Bauchhärling oder zum Hintergrund?" Dafür kamen mehrere klassische Bildverarbeitungsverfahren zum Einsatz (Sobel-Kantenerkennung, ein Frangi-Vesselness-Filter für linienförmige Strukturen, Verbindungskomponenten-Analyse), aber das Ergebnis ist immer nur eine Graustufen-Maske (0–255) derselben Bildgröße – kein neu gezeichnetes Bild. Die einzige echte Veränderung an den Tier-Pixeln selbst war die multiplikative Vignettenkorrektur (aus dem reinen Hintergrund-Helligkeitsverlauf berechnet), die alle drei Farbkanäle gleich skaliert hat – das ändert Helligkeit, aber nicht die Struktur oder Position eines einzigen Pixels.
Ich habe kein natives Bildgenerierungsmodell. Ich nutze Code-Ausführung (Python/OpenCV) und manipuliere das originale Pixel-Array direkt und deterministisch "
Durch die z.T. sehr aufwändigen Einzelprozesse bei der Bildbearbeitung, die sich die KI schrittweise zusammen auch extern suchen muss, dauert die Bildbearbeitung viel länger als bei den beiden anderen Systemen. ChatGPT benötigte für das Bild nur etwa 10s, Claude mehrere Minuten.
Insgesamt kann man sagen, dass ChatGPT eigentlich für diese spezielle Anwendung ungeeignet ist, es ist mehr für freie, kreative Bilderzeugungen konzipiert. Claude kommt einer ,,legitimen" unverfälschten Bildkorrektur so nahe wie auch eine manuelle Korrektur mit einem konventionellen Bildbearbeitungsprogramm. Gemini ist etwas weniger Pixelgenau. Wahrscheinlich kann man durch detailliertere Bearbeitungsvorgaben den Übergang des Randes zum Hintergrund (Zilien) noch weiter verbessern.
Eine Bildverbesserung durch Kontrasterhöhung o.ä. sollte für den Test nicht vorgenommen werden.
Hier noch eine moderate manuelle Kontrasterhöhung durch Histogrammstreckung des Claude-Bildes:
Claude manKontr Original.gif
Zur Ergänzung für diejenigen, die es genauer wissen wollen:
So hat Gemini die Unterschiede der 3 KI-Modelle zusammen gefasst:
1. ChatGPT (OpenAI)
Technisches Verfahren: Text-to-Image Re-Synthese (DALL-E 3 / GPT-4o Vision)
Funktionsweise: ChatGPT besitzt kein deterministisches Bildbearbeitungswerkzeug im klassischen Sinne. Wenn ein Bild hochgeladen und eine Modifikation gefordert wird, analysiert das Seh-Modell (GPT-4o) das Bild textlich. Dieser Text (,,Bauchhärling auf grauem Hintergrund") wird als neuer Prompt an das generative Diffusionsmodell (DALL-E 3) übergeben.
Das Problem: DALL-E generiert das Zielbild Pixel für Pixel aus statistischen Wahrscheinlichkeiten völlig neu. Es schneidet das Originalobjekt nicht aus, sondern versucht, ein ähnlich aussehendes Objekt anhand des Prompts neu zu erfinden.
Ergebnis: Es kommt zu massiven Abweichungen im Detail, geänderten Konturen, Halluzinationen von Strukturen oder geänderten Farbwerten, weil die Pixel-Ebene des Originals verworfen wird.
2. Claude (Anthropic)
Technisches Verfahren: Pixel-genaue Code-Ausführung (Python / PIL / OpenCV)
Funktionsweise: Claude (z. B. Claude 3.5 Sonnet) besitzt kein eigenes generatives Bilderzeugungsmodell (wie DALL-E). Wenn Claude ein Bild bearbeiten oder freistellen soll, wählt das Modell den Weg eines Programmierers: Es schreibt eigenständig einen deterministischen Python-Skriptcode (unter Nutzung von Bildbearbeitungs-Bibliotheken wie OpenCV, PIL/Pillow oder scikit-image) und führt diesen in einer isolierten Umgebung (Code Interpreter / Artifacts) direkt aus.
Warum es originalgetreu ist: Der Python-Code führt eine mathematische Operation auf den exakten Array-Daten des Originalbildes aus. Das Objekt selbst bleibt im Speicher Bit für Bit identisch, während der Algorithmus selektiv nur Transparenzen oder Hintergrundfarben berechnet.
Ergebnis: Das Objekt wird exakt 1:1 unverändert übernommen. Ein unbeabsichtigtes "Umgestalten" von Texturen oder Kanten ist technisch ausgeschlossen, da keine Pixel neu erfunden werden.
3. Gemini (Google)
Technisches Verfahren: Nativ-multimodales Diffusions-/Inpainting-Modell (Imagen / Gemini Native)
Funktionsweise: Gemini nutzt eine nativ-multimodale Architektur. Bei einer Bildmodifikation wird das Originalbild als direkter Konditionierungs-Tensor in das Modell eingespeist. Über Maskierungs- und Inpainting-Verfahren versucht das Modell, nur festgelegte Regionen neu zu berechnen, während der Rest konditioniert bleibt.
Das Verhalten: Es arbeitet im Gegensatz zu DALL-E wesentlich näher am Ausgangsmaterial, bleibt jedoch ein generatives Diffusionsmodell. Durch latenten Rauschabgleich (Latent Diffusion) versucht es, Randstrukturen oder Hintergrundverläufe synthetisch anzupassen.
Ergebnis: Je nach Prompt kann es zu leichten Kontrast- und Farbtonverschiebungen oder Schärfeveränderungen am Objekt kommen, da generative Schichten im Verarbeitungsprozess beteiligt sind.
Hubert
Hallo Hubert,
zu allererst, vielen Dank für deine fachkundigen Beiträge hier im Forum. Ich schreibe selten etwas dazu, auch weil ich absolut keine fundierten optischen Kenntnisse habe, nur laienhafte. Bei mir ist die Mikroskopie halt ein Hobby und ich beschäftige mich mit dem, was bei mir Interesse weckt und mir Freude macht. Aber naturverbunden bin ich allemal. Ich will auch immer etwas dazulernen soweit es mir möglich ist. Nun aber zu meinem Anliegen, warum ich hier jetzt schreibe. Du schreibst ja "der Bildkontrast ist regelmäßig viel zu hoch" , beim Beispiel mit ChatGPT. Ich habe als Standardmonitor an meinem Windows PC einen 27 Zoll LG Monitor. An diesem Monitor sehe ich das bearbeitete Bild absolut nicht zu überkontrastiert, im Gegenteil würde ich noch etws zugeben. Auch an meiner Tochter ihrem Laptop ist es ok. Seit kurzem habe ich von einem Bekannten einen iMac überlassen bekommen. Da habe ich in den Monitoreinstellungen schon so wenig Kontrast eingestellt wie es ging. Da ist der Bauchhärling, ja, viel zu überkontrastiert, daß ich selbst erschrocken bin. Also nicht nur ein kleiner Unterschied, sondern auch für mich unakzeptabel. Was ich hier schreibe ist natürlich meine Subjektive Betrachtungsweise.
Gruß von Siegfried
Hallo Siegfried,
ZitatDu schreibst ja "der Bildkontrast ist regelmäßig viel zu hoch" , beim Beispiel mit ChatGPT
Mir ging es nicht allgemein darum, welcher Kontrast bei einem bestimmten Bild zu hoch oder niedrig ist. Das ist einerseits Geschmacksache, oder hängt von Bildeindruck ab den man erreichen will. Wenn etwas von Natur aus "luftig-transparent" ist, dann macht es m.E. wenig Sinn den Kontrastumfang regelmäßig von Tiefschwarz bis Weiß gehen zu lassen nur weil man damit die mögliche technische Spannweite ausschöpfen kann.
Was ich aber damit gemeint habe ist, dass ChatGPT regelmäßig den Kontrast stark erhöht, auch wenn man es nicht will. Das gezeigte Bild ist ein Bild das nach dem dritten Anlauf sowieso schon einen nicht ChatGPT-typischen Kontrast hat.
Zum Monitor: Das Problem ist dass es einerseits Qualitätsunterschiede oder Alterserscheinungen gibt, wodurch man den gewünschten Kontrast eventuell nicht richtig einstellen kann. Dazu kommt dass der optimale Kontrast von den Umgebungsbedingungen abhängt, in einem sonnenbeschienenen hellen Raum erscheint der Kontrast anders als im abgedunkelten Zimmer.
Es ist aber auf jeden Fall sinnvoll, den Kontrast und die Helligkeit des Monitors einmal mit einem Testbild einzustellen und nicht nach Gefühl. Das sind meist feine Grauabstufungen, für die Helligkeitseinstellung nimmt man die dunkelsten Abstufungen bis Schwarz, für den Kontrast die hellsten Abstufungen bis Weiß.
Hubert
Hallo Hubert,
vielen Dank für deine Antwort. Dein eigentliches Anliegen habe ich schon verstanden und die in deiner Antwort gegebenen Hinweise werde ich mir verinnerlichen. So nun schalte ich meinen Monitor um zur Tagesschau, mal schauen welche Kontraste und Informationen da zu sehen und zu hören sind. ;)
Gruß von Siegfried
Oh, schon 20:14 Uhr, mit KI beginnt die Tagesschau bei mir halt erst jetzt. :D
Hallo,
weil das Thema Bildkontrast, speziell im Zusammenhang mit ChatGPT, nochmal angesprochen wurde, hier noch eine Ergänzung:
Das war das Ergebnis der Bildbearbeitung des Bauchhärlings durch Peter mit ChatGPT (ich gehe davon aus dass das Bild nicht noch weiter verarbeitet wurde). Solche Bilder erfreuen natürlich Freunde des hohen Kontrasts. ;)
Peter ChatGPT.jpg
Ich habe mir den Spaß erlaubt, einen Bildausschnitt des möglichst objektgereuen Ergebnisses von Claude (links, von mir nur noch durch lineare Dehnung der Hellligkeitsvertelung im Kontrast optimiert), mit dem Ergebnis von Peters ChatGPT nebeneinander zu stellen (siehe Bild). Und dann habe ich die Claude-KI gefragt, wie sie die Kontrasterzeugung von ChatGPT beurteilt, ob das eventuell ein ähnliches Verfahren wie CLAHE sein könnte (mir war schon vorher klar, dass ChatGPT das Bild einfach neu möglichst ähnlich erfindet). CLAHE (Contrast Limited Adaptive Histogram Equilization) ist übrigens ein Verfahren, bei dem die Histogrammverteilung kleinräumig in allen Bildbereichen jeweils so gestreckt und im Verlauf so geändert wird, dass maximaler Detailkontrast entsteht.
Vergleich Bildausschnitt Claude ChatGPT.jpg
Hier die Antwort von Claude:
"Sehr gute Idee, das lässt sich tatsächlich sauber analysieren. Ich habe beide Ausschnitte quantitativ verglichen (lokaler Kontrast, Gradientenstärke, Frequenzspektrum, Grobstruktur-Korrelation und Rauschcharakter in einem eigentlich flachen Gewebebereich).
Messwerte:
Kennwert ChatGPT Claude Faktor
Lokale Std.-Abw. (8×8-Fenster) 10,8 2,6 ≈ 4,2×
Gradientenstärke (Sobel, Mittel) 39,6 9,2 ≈ 4,3×
Rauschen in flachem Gewebe-Patch 10,6 1,9 ≈ 5,7×
Grobstruktur-Korrelation (σ=15/30 Blur) 0,44 / 0,34 – mäßig
Warum das gegen klassisches CLAHE spricht:
CLAHE erhöht den lokalen Kontrast pro Kachel unabhängig davon, ob die lokale Varianz von echter Struktur oder von Sensor-/Photonenrauschen stammt – ein bekannter Nachteil von CLAHE ist gerade, dass es Rauschen in eigentlich flachen Bildbereichen mit hochzieht, weil es blind das lokale Histogramm spreizt.
Schau dir aber den direkten Vergleich in einem eigentlich glatten Gewebeareal an (rechts unten in beiden Crops, keine echte Struktur im Original):
ChatGPT: zeigt klar umrissene, gleichmäßig ,,ausgestanzte" dunkle Punkte mit konsistenter Schattierung von einer virtuellen Lichtquelle links oben, dazu sehr saubere diagonale ,,Faser"-Linien – das wirkt wie ein gerendertes Bump-/Normal-Map einer Oberfläche, nicht wie verstärktes Photonenrauschen.
Claude: zeigt weiterhin das echte, unregelmäßige, kontrastarme DIC-Rauschmuster ohne erkennbare konsistente Beleuchtungsrichtung – genau das Originalsignal, nur linear gestreckt.
Eine reine Kontrastfunktion (auch adaptiv wie CLAHE) kann lokale Varianz nur verstärken, aber keine neuen, geometrisch konsistenten Formen mit einheitlicher virtueller Beleuchtung erfinden, die im Ausgangssignal gar nicht in dieser Form vorlagen.
Was stattdessen dahinterstecken dürfte:
Das passt zu dem, was wir vorhin schon besprochen hatten: ChatGPTs Bild ist keine Pixel-Bearbeitung des Originals, sondern eine Neusynthese durch ein Diffusionsmodell. Solche Modelle haben aus ihren Trainingsdaten eine gelernte Präferenz für ,,plausible, knackige Detailtextur" – sie neigen dazu, bei texturierten organischen Oberflächen scharfkantige, kontrastreiche, beinah gerenderte Mikrostruktur zu halluzinieren, weil das in ihrer Trainingsverteilung (scharfe, gut ausgeleuchtete Fotografie) wahrscheinlicher/,,schöner" aussieht als das tatsächliche verrauschte, kontrastarme DIC-Signal. Das ist ein bekanntes, oft diskutiertes Verhalten generativer Bildmodelle (manchmal als ,,hallucinated detail" oder ,,over-sharpening bias" bezeichnet) – kein diskreter Kontrastfilter, sondern ein Nebeneffekt des Decodier-Priors selbst.
Die moderate Grobstruktur-Korrelation (0,34–0,44) bestätigt zusätzlich: Die großräumige Anordnung folgt noch erkennbar dem Original, aber eben nicht exakt."
Hubert
Hallo Hubert,
ich weiß im Moment nicht genau, was Du damit meinst:
Zitat(ich gehe davon aus dass das Bild nicht noch weiter verarbeitet wurde).
zur Klarstellung: Bei meinem Beispiel ging es mir nicht nur um die Hintergrundreinigung, sondern darum, wie leicht jeder mit KI aus einem schlechten Bild ein Ergbenis herausholen kann, das auf den ersten Blick absolut beeindruckend und "preiswürdig" ist und in jedem Mikrofoto-Contest bestehen könnte. Dass das letztlich ein Fake würde, war klar. Insofern war das Promptem nur bedingt darauf ausgelegt, das Motiv detailgetreu real zu halten.
Hier zunächstnochmal das Ausgangsbild:
Bauchhärling.jpg
Der erste Prompt lautete:
ZitatDieses Bild so bearbeiten, dass es veöffentlichungsürdig ist. Also den Helligkeitsgradienten im Hintergrund entfernen, die Flecke im Hintergrund entfernen, ingsesmat heller und das Objekt kontrastreicher. Das Objekt soll aber nicht verändert werden, also nicht hinzu erfinden und nichts entfernen
Das Ergebnis sah dann zunächst so aus:
Bh1.jpg
Bei genauer Betrachtung sieht man, dass trotz der Anweisung im Prompt, das Objekt nicht zu verändern, auch bei diesem Schritt schon minimale Änderungen vorgenommen wurden.
Nun ging es darum, daraus ein beeindruckendes "Knallerfoto" zu machen. Hierzu habe ich die KI angewiesen:
ZitatDas Ergebnis ist gut, aber den Hintergrund minimal abdunkeln, sodass sich das Objekt besser abhebt. Schärfen und den Kontrast anheben.
Bh2.jpg
Dann:
ZitatMan sieht an einigen Stellen kleine schwarze Punkte, das sind durch die Schärfung entstandene Artefakte. Diese winzigen schwarzen Punkte bitte entfernen
Damit hatten wir das Endergebnis:
Bh3.jpg
Hezrliche Grüße
Peter
Hallo Peter,
meine Anmerkung in Klammern bezog sich einfach darauf, dass aus dem Beitrag nicht hervorging ob das ursprüngliche ChatGPT-Bild in weiteren Stufen schrittweise verändert wurde - das ist jetzt geklärt.
Erlaube mir eine Bemerkung dazu:
ZitatMir kam in den Sinn, welche Motivation man eigentlich noch hat, sich beim Mikrofotografieren anzustrengen, wenn jeder "Depp" ohne jedwede Kenntnis der Bildverarbeitung auch aus dem fürchterlichsten Ausgangsmaterial in wenigen(!) Minuten ein solches Ergebnis erzielen kann?
Mal abgesehen davon dass ich auch das Ergebnis fürchterlich finde - man müsste sich viel weniger bei der Nachbearbeitung anstrengen wenn man die Optik sauber hält, richtig belichtet auch bezüglich Farbabgleich und ein vernünftiges Kontrastverfahren ohne gruseligen Helligkeitsgradienten im Hintergrund verwendet (vielleicht wäre manchen DIK-Anhängern geholfen wenn sie es einmal mit schiefer Beleuchtung versuchen würden :) ). Insofern hätte ich nicht so sehr Mitleid mit jemand, der sich bei diesem Bild stundenlang mit manueller Bildbearbeitung beschäftigt statt das Original einfach mal schnell zu löschen.
Nach meinem Verständnis ist ein Foto nur dann gut wenn es die richtige "Stimmung" wiedergibt. Ich persönlich finde gerade im Forum ein authentisches Bild, das vielleicht noch kleine Reste von Hintergrundunregelmäßigkeiten enthält und ansonsten im Kontrast nur soweit nachbearbeitet ist, dass ein natürlicher Bildeindruck gegeben ist, hundertmal so interessant als ein offensichtlich "überperfektioniertes" Bild.
Bilder die bewusst und erkennbar z.B. künstlerisch-grafisch gestaltet sind meine ich damit ausdrücklich nicht, die sind ein ganz anderes Thema.
Hubert
Hallo -
gestern war der 100. Todestag von Paul Kammerer. Das gibt zu manchen Gedanken Anlass btr. KI.
Aber schließlich scheinen ja auch die Zahlenangaben von Gregor Mendel geschönt zu sein, von Häckels Kunstwerken ganz zu schweigen.
Als Jungforscher dachte ich mal, dass die "exakten" Naturwissenschaften im Gegensatz zu Bla-bla-Wissenschaften Sachverhalte objektiv wiedergäben, aber dass dies selten der Fall ist wurde mir schon vor Entwicklung der KI klar, zumal die Biologie ja auch nur halb dazugezählt werden kann.
Viele Grüße
Rolf