Sind die Farben echt? KI-Kolorierung nur im Chroma

Die häufigste Sorge bei KI-Kolorierung ist, dass das Modell die Fotografie übermalt: dass Omas Gesicht jetzt teilweise eine Erfindung ist. In dieser Pipeline ist das per Konstruktion ausgeschlossen, nicht per Versprechen: Der Kolorierer^[1] darf nur Farbe beisteuern, nie Details. Diese Notiz erklärt den Mechanismus; dann (neu in dieser Überarbeitung) bewertet sie die 40 Zeilen Arithmetik, die entscheiden, wann die Kolorierung läuft, an 115 gelabelten Fotografien: echte Schwarzweiß-Scans, ein echter Albuminabzug von 1867, drei Familien chemisch getonter Abzüge, echte Farbe und synthetisch verblasste Farbe. Der Detektor ist perfekt auf jeder monochromen Familie, 88 % auf echter Farbe, und auf verblasster Farbe bricht er auf 8 % ein, aus einem Grund, den keine Schwelle beheben kann: Hinreichend verblasste Farbe ist monochrom, mathematisch.

Jede Zahl in dieser Notiz wurde mit dem Code der Produktions-Pipeline gemessen: dieselben Modelle, dieselbe Mathematik. Rohdaten pro Bild: e4_mono.json.

1 · Der Mechanismus: Die Luminanz ist unantastbar

Jedes Bild zerfällt in Luminanz (die Schwarzweißstruktur: Kanten, Textur, Gesichter, Licht) und Chroma (die darübergelegte Farbe). Wir kolorieren im CIELAB-Raum, der diese Trennung explizit macht: Die Fotografie behält ihren eigenen L-Kanal, Bit für Bit, und das Modell steuert nur die beiden Farbkanäle bei (a und b). Wieder zusammengesetzt erhältst du das Originalfoto, das geschätzte Farbe trägt. Wenn das Farbmodell einen schlechten Tag hat, ist der Fehler ein falscher Farbton, nie ein verändertes Gesicht, eine verschobene Kante oder erfundene Textur.

VorherNachher

2 · Wann läuft sie? Die Mathematik von „ist das Sepia?“

Die Kolorierung läuft automatisch nur, wenn das Foto als monochrom gemessen wird, und Sepia ist das, was das nicht offensichtlich macht. Der naive Test (r ≈ g ≈ b überall) erwischt neutrales Schwarzweiß und sonst nichts. Aber ein Sepia-Abzug ist ausgesprochen chromatisch: Jedes Pixel trägt Farbe. Was ihn monochrom macht, ist, dass all seine Farbe in dieselbe Richtung zeigt: Die Chemie tont einen Abzug mit einer einzigen Verbindung, also ist der Farbton konstant, während das Chroma mit der Dichte skaliert. Die Richtung, nicht der Betrag, ist der Fingerabdruck.

Also nimmt der Detektor bis zu 20 000 Pixel im Lab-Raum als Stichprobe und behält drei Statistiken: den chromatischen Anteil (Anteil der Pixel mit Chroma über einem Rauschboden von 2 Einheiten), das mittlere Chroma C̄ und die interessante, die Farbtonkonzentration, die die mittlere resultierende Länge der Einheits-Farbtonvektoren ist, direkt aus der Richtungsstatistik^[2]:

R̄ lebt in [0, 1]: Genau 1 bedeutet, dass jedes chromatische Pixel im Farbton übereinstimmt (eine perfekte Tönung); nahe 0 bedeutet, dass sich die Farbtöne rund um den Kreis aufheben (Haut streitet mit Himmel: eine Farbfotografie). Die Produktionsregel besteht aus zwei Klauseln:

3 · Die Auswertung an 115 Fotos

Jede monochrome Familie wird perfekt klassifiziert, einschließlich des einen echten Abzugs aus dem 19. Jahrhundert, der bei R̄ = 0,946, C̄ = 8,0 landet, komfortabel innerhalb der Region. Das Streudiagramm zeigt den ganzen Korpus auf einmal, mit schattierter Entscheidungsregion:

Die drei Fehltreffer bei echter Farbe sind es wert, benannt zu werden, denn sie sind kein Rauschen; es sind Fotografien monochromatischer Szenen: Kodaks Waldbach (R̄ 0,93), der geparkte Jet (R̄ 0,96), ein Boot in der Dämmerung. Die Statistik tut ihre Arbeit; diese Szenen konzentrieren ihren Farbton wirklich. Der Fehler ist semantisch, nicht mathematisch, und genau deshalb ist die Behandlung „Kolorieren“ ein sichtbarer, abwählbarer Schalter statt einer stillen Entscheidung.

4 · Die Region, in der keine Schwelle gewinnen kann

Nun zu den goldenen Punkten. Lass ein Farbfoto verblassen, und zwei Dinge passieren zugleich: C̄ schrumpft (die Farbstoffe sterben) und R̄ steigt: Was das Verblassen überlebt, ist keine faire Stichprobe der ursprünglichen Farbtöne, sondern der Rest plus der Farbstich des Abzugs, und ein Farbstich ist per Definition gerichtet. Bei 50 % Verblassung liegt unser Korpus im Mittel bei R̄ ≈ 0,95; bei 82 % Verblassung bei R̄ ≈ 0,98 mit C̄ ≈ 9. Vergleiche Gl. 2: Das ist die Tönungssignatur. Ein stark verblasstes Farbfoto ist nicht in die Nähe der Sepia-Klasse gedriftet; es ist ihr beigetreten.

Die Schwelle ist also eine Werteentscheidung, die sich als Zahl verkleidet. Schiebe R̄ auf 0,98, und der Korpus-Wert steigt um zehn Punkte, während der Klassifikator stillschweigend beginnt, genau die Artefakte zu verfehlen, für die das Feature existiert: echte getonte Abzüge, deren jahrhundertealte Chemie im Farbton weit stärker wandert als jede synthetische Tönung. Die Produktion bleibt bei 0,92, um Spielraum für echte Chemie zu halten, akzeptiert die verblasste Region als wirklich mehrdeutig und fragt dich, denn ein Foto, das 82 % seiner Farbe verloren hat, ist eines, das sein Besitzer durchaus neu koloriert haben möchte. Die Tabelle oben nennt diese 22 Fotos „falsch“; ihre Besitzer würden die Hälfte davon vielleicht „bitte ja“ nennen.

5 · Was Kolorierung ehrlicherweise ist

Eine Schätzung. Das Modell hat genug Fotografien gesehen, um zu wissen, dass Gras grün ist und Wollmäntel der 1860er meist dunkelblau sind, aber es kann nicht wissen, dass das Kleid deiner Großmutter rot war, nicht grün. Wo eine Farbe historisch wissbar ist, ist die Schätzung oft überzeugend; wo nicht, wählt das Modell etwas Plausibles. Deshalb lautet die ehrliche Formulierung „natürliche Farbe, hinzugefügt“ statt „die Originalfarben, wiederhergestellt“, und deshalb gibt es die Option, ein Foto schwarzweiß zu lassen. Die Struktur (die Gesichter, das Licht, der Moment) ist immer die der Fotografie selbst, durch den Mechanismus aus Abschnitt 1. Derselbe Lab-Raum-Trick läuft umgekehrt in unserem Gesichts-Rendering, wo das Gesichtsmodell nur Luminanz beisteuert und die Fotografie ihr Chroma behält.

6 · Einschränkungen

• Ein echter getonter Abzug. Der Albumin-Herschel verankert das Realismus-Argument, ist aber eine einzelne Stichprobe; ein datierter Korpus aus Ferrotypien, Albuminabzügen und Cyanotypien ist die naheliegende Fortsetzung.
• Synthetisches Verblassen ist freundlich zum Detektor. Echtes chromogenes Verblassen ist farbstoffselektiv (Cyan stirbt zuerst; deshalb werden 70er-Abzüge rot), was R̄ noch schneller nach oben treibt als unser gleichmäßiges Modell.
• Stichprobenverzerrung, mit Absicht: Winzige farbige Details (eine einzelne rote Brosche auf einem Sepia-Porträt) können unter dem Radar des chromatischen Anteils verschwinden. Die Verzerrung geht bewusst in Richtung Erhalt von Tönungen.