Einfach erklärt
Inpainting bedeutet: Lücken oder störende Bereiche in einem Bild automatisch füllen. Du markierst die Stelle, die ersetzt werden soll, und die Software rekonstruiert dort passende Bildinhalte, die zum Umfeld passen.
Objekt entfernen: Ein Mensch läuft durch dein Urlaubsfoto – du maskierst ihn, das Programm füllt den Hintergrund (z. B. Strand, Himmel) realistisch auf.
Kratzer/Flecken reparieren: Alte eingescannten Fotos haben Risse; Inpainting rekonstruiert die fehlenden Pixel.
Bereich ergänzen/Outpainting: Du willst ein Bild am Rand erweitern – Inpainting erfindet stimmige Fortsetzungen (z. B. mehr Himmel, Gebäude‑Kante).
Professionelle Definition
Bild‑Inpainting ist das Schätzen fehlender oder verdeckter Bildregionen so, dass eine räumlich‑zeitliche und semantische Konsistenz zum Kontext entsteht. Klassische Verfahren nutzen partielle Differentialgleichungen (PDE) und Diffusions‑/Transportmodelle (z. B. Bertalmio 2000, Telea 2004) oder patch‑basierte/exemplarische Methoden. Moderne Verfahren verwenden tiefe Netze (Context Encoders/GANs) und Diffusionsmodelle (z. B. RePaint), oft mit Masken und Text‑Konditionierung (Prompt‑gesteuertes Inpainting in Stable Diffusion‑Varianten). Zielgrößen sind strukturelle Kohärenz (Kanten/Geometrien) und texturale Plausibilität.
Quellen
- Wikipedia (de) – Inpainting (Überblick, Methoden):
https://de.wikipedia.org/wiki/Inpainting - Bertalmio et al., 2000 – „Image inpainting“ (SIGGRAPH):
https://dl.acm.org/doi/10.1145/344779.344972 - Telea, 2004 – Fast Marching Inpainting (Journal of Graphics Tools):
https://dl.acm.org/doi/10.1080/10867651.2004.10487596 - Pathak et al., 2016 – Context Encoders (arXiv):
https://arxiv.org/abs/1604.07379 - Lugmayr et al., 2022 – RePaint: Inpainting via Denoising Diffusion (arXiv):
https://arxiv.org/abs/2201.09865