Echtzeit Upscaling mit neuronalen Netzen

Montag, 7. Juli 2025

Moderne Echtzeitgrafik steht vor einem klassischen Zielkonflikt: Hohe Auflösungen, aufwendige Effekte wie Raytracing und gleichzeitig stabile Bildraten – drei Anforderungen, die sich oft nur schwer miteinander vereinbaren lassen.

Ein seit einigen Jahren gängiger Lösungsansatz besteht darin, Szenen zunächst in reduzierter Auflösung zu rendern und das Bild anschließend durch Upscaling auf die Zielauflösung zu bringen – idealerweise ohne sichtbare Qualitätseinbußen

In meiner Bachelorarbeit „Echtzeit-Upscaling mit neuronalen Netzen“ habe ich mich intensiv mit Verfahren zur Bildskalierung beschäftigt, die speziell für den Einsatz im Echtzeit-Rendering entwickelt wurden. Der Schwerpunkt lag auf der Analyse und dem Vergleich neuronaler Netzwerk-basierter Methoden, die in der Lage sind, komplexe Bildmuster zu erkennen und daraus hochaufgelöste, detailreiche Rekonstruktionen zu erzeugen.

Ziel der Arbeit war es, die Stärken und Schwächen dieser neuronalen Upscaling-Methoden im Vergleich zu klassischen algorithmischen Verfahren zu analysieren – insbesondere im Hinblick auf Bildqualität, Rechenaufwand und Echtzeitfähigkeit.