Fotorealistisch

Künstliche Intelligenz für bessere Computergrafik

Von Glas bis zu mattem Plastik: Unterschiedliche Materialien müssen ganz unterschiedlich dargestellt werden, um realistisch zu wirken.

(Bild: TU Wien)

Wenn computergenerierte Bilder realistisch wirken sollen, müssen unterschiedliche Materialien unterschiedlich dargestellt werden: Der metallische Schimmer einer Münze sieht anders aus als der matte Glanz einer Holzplatte oder die leicht durchsichtige Haut einer Weintraube. Wer solche Materialeffekte exakt simulieren möchte, brauchte bislang viel Erfahrung und Geduld. An der TU Wien wurden nun Methoden entwickelt, mit denen dieser Vorgang viel schneller und einfacher wird. Eine künstliche Intelligenz macht‘s möglich.

„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.“

Daher hat Zsolnai-Fehér Methoden der künstlichen Intelligenz eingesetzt: Damit der Computer lernt, wie ein bestimmtes Material dargestellt werden soll, wird zunächst ein Probeobjekt in verschiedenen Varianten angezeigt. Ein Mensch klickt an, welche am ehesten zum gewünschten Ergebnis passen. 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.

(Bild: TU Wien)

Nicht nur hübsch, sondern auch schnell
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 generiert man fotorealistische Bilder, indem man die Ausbreitung von Lichtstrahlen physikalisch möglichst exakt simuliert. Mit solchen Physik-basierten Methoden dauert das Erstellen eines Testbildes allerdings jedes Mal einige Minuten. Wenn man auf der Suche nach den optimalen Parametern Hunderte Male ein neues Testbild berechnen muss, wird das bald zur nervenaufreibenden Geduldsprobe.

Mikroplanet - Beispiel für eine Computergraphik, erstellt mit den neuen Methoden der TU Wien

(Bild: TU Wien)

Daher kommt auch beim Generieren der Vorschaubilder künstliche Intelligenz zum Einsatz: Károly Zsolnai-Fehér entwickelte (zusätzlich zum Machine-Learning-Algorithmus, der die passenden Parameter vorschlägt) auch noch ein neuronales Netz, das die jeweiligen Material-Parameter viel rascher auf ein Probeobjekt anwendet als das mit bisherigen Computercode möglich ist. Wenn nötig kann man die Resultate des neuronalen Netzes danach auch noch auf sehr einfache Weise anpassen und verfeinern.

Sogar komplizierte Materialien, etwa reflektierende oder diffus streuende Oberflächen sind für die neuronalen Netze kein Problem. „Unser Zugang ist für Anfänger und Profis gleichermaßen geeignet, und ich hoffe, dass er im Bereich der Computergrafik breite Anwendung findet“, sagt Zsolnai-Fehér.

(Bild: TU Wien)

Großes Interesse in der Grafik-Community
Erstmals präsentiert wurden die neuen Methoden bei der weltgrößten und prestigeträchtigsten Computergrafik-Konferenz SIGGRAPH, die im August 2018 stattfand. „Károly Zsolnai-Fehérs neue Methoden sorgen in der Fachwelt seither für großes Aufsehen“, sagt Forschungsgruppenleiter Michael Wimmer. Die Methode sei eine „echte Erleichterung für viele Leute aus dem Grafik-Bereich“ - vom Gamedesign über Filmanimation bis zur Architektur-Visualisierung. Bilder, die mithilfe der neuen Methode erstellt wurden, zieren nun sogar das Titelbild des offiziellen SIGGRAPH-Konferenzreports.