KI-Basiertes Verfahren für die Expansion des Farbraumes von Bewegtbildmaterial

Verfahren der Farbraumexpansion von Bildmaterial sind von großer Relevanz im Bereich der Bewegtbildproduktion. Um Archivbildmaterial in modernen HDR/WCG-Beiträgen zu verwenden, oder für die Wiedergabe auf HDR/WCG-fähigen Reproduktionsgeräten vorzubereiten, ist es erforderlich, eine Farbraumwandlung durchzuführen. Eine Vielzahl der (nur) SDR/SCG-fähigen Consumer- und Prosumer-Kameras liefert weiterhin Bildmaterial, das aus Gründen der Kompatibilität und des verbesserten visuellen Betrachtungserlebnisses von HDR/WCG-Systemen auch einer Farbraumwandlung unterzogen werden kann. In diesem Beitrag wird ein Daten-getriebener Ansatz eines Verfahrens zur Farbraumexpansion vorgestellt. Das Verfahren hat zum Ziel, Bildmaterial mit kleinem Farbraum (SDR/SCG) in Bildmaterial mit großem Farbraum (HDR/WCG) zu wandeln und dabei das menschliche Sehvermögen mit seinen logarithmischen Wahrnehmungskennlinien zu berücksichtigen. Ziel ist ein echtzeitfähiges System hinsichtlich der Verarbeitungsgeschwindigkeit. Ein hybrider Ansatz aus Daten-getriebener Parameterextraktion mittels eines neuronalen Netzes und einer Modell-getriebenen Farbraumexpansion, unter Verwendung der Parameter als Steuerung, findet Anwendung. Eine Farbdifferenzdarstellung bildet die Grundlage für die Extraktion von blockweisen Korrekturwerten, die im algorithmischen Anteil des Verfahrens auf das eingehende Bildmaterial angewandt werden. Das Verfahren bietet eine deutliche Verbesserung des visuellen Seherlebnisses des konvertierten Bildmaterials, da es nun nativ auf HDR/WCG-fähigen Geräten reproduziert werden kann. Die Entwicklung des Verfahrens findet u.a. im Rahmen einer ZIM-Forschungsförderung durch das Bundesministerium für Wirtschaft und Klimaschutz statt. Das Forschungsprojekt wird an der Hochschule RheinMain im Studiengang Medientechnik und im Labor der Bildverarbeitung unter der Leitung von Prof. Dipl.-Ing. Mike Christmann durchgeführt.

####

Methods for colorspace-expansions of moving pictures are of great relevancy in the realm of video productions. The incorporation of legacy imagery in modern HDR/WCG-timelines and the physical reproduction thereof on HDR/WCG-capable displays requires a colorspace-conversion from legacy colorspaces. Nowadays many consumer and prosumer cameras are only capable to record SDR/SCG-imagery. For reasons of compatibility and an increased visual experience it is possible to convert such imagery into the HDR/WCG-domain with the use of a colorspace-expansion method. This contribution outlines a data-driven approach to a colorspace-expansion method with the aim to convert imagery with a legacy colorspace (SDR/SCG) into a larger, state-of-the-art colorspace (HDR/WCG) considering the logarithmic perception characteristics of the HVS. The application of the method is targeted to occur in real-time, in order to enable an integration into live production environments. The method combines a hybrid approach of a data-driven extraction of parameters with a neuronal network and a model-based colorspace-expansion, utilizing the parameters as controllers. A color-difference-representation is the basis for the extraction of sectional adjustment values, that are applied to the imagery in the algorithmic part of the method. Converted imagery provides a significantly improved visual experience, since a native reproduction on HDR/WCG-capable devices is now possible. The development of the method is conducted with a sponsorship of the federal ministry of economics and climate action within a ZIM-research funding. The research project is carried out in the study course media technology at the RheinMain University of Applied Sciences and in the laboratory of image processing under the leadership of Prof. Dipl.-Ing. Mike Christmann.

---

8 Seiten