Künstliche Intelligenz kann nicht nur neue Bilder generieren, sondern auch vorhandenes Bildmaterial deutlich verbessern. Ein Beispiel dafür ist Image Super-Resolution (ISR), eine Technik, mit der sich selbst aus niedrig aufgelösten Bildern qualitativ hochwertige Varianten erstellen lassen – ideal etwa für Webseiten, Marketingmaterialien oder Schulungsunterlagen, auch ohne große Investitionen. Das Open-Source-Projekt ISR erleichtert den Einstieg mit klaren Anleitungen nach Installation der benötigten Datenpakete. Im Unterschied zu herkömmlichen Methoden der Interpolation setzt ISR auf künstliche neuronale Netze, die fehlende Bilddetails rekonstruieren und damit die Auflösung sichtbar steigern.

Grundlage der Technik sind sogenannte Convolutional Neural Networks (CNNs), die darauf trainiert sind, aus unscharfen Vorlagen eine realistische hochauflösende Version zu erzeugen. Nutzern stehen verschiedene vortrainierte Modelle zur Verfügung – von bewährten Architekturen wie ResNet bis hin zum leistungsstärkeren RRDN (Residual in Residual Dense Network). Je nach Anspruch an Bildqualität und verfügbarer Hardware können unterschiedliche Auflösungsstufen erzielt werden. Für spezielle Einsatzzwecke lässt sich ISR zudem mit eigenen Trainingsdaten anpassen – etwa für bestimmte Bildkategorien oder branchenspezifische Anforderungen.