Farbkorrektur ist ein Postproduktionsprozess, der in der Film- und Videobearbeitung üblich ist und das Erscheinungsbild eines Bildes für die Präsentation in verschiedenen Umgebungen auf verschiedenen Geräten verändert. Dabei werden Attribute wie Kontrast, Farbe, Sättigung, Detail, Schwarzwert und Weißabgleich verbessert, sei es für Filme, Videos oder Standbilder. Die Begriffe Farbkorrektur und Farbkorrektur werden oft synonym verwendet, und der Prozess kann die Erzeugung künstlerischer Farbeffekte durch kreatives Mischen und Compositing verschiedener Ebenenmasken des Quellbildes umfassen. In der modernen Praxis wird die Farbkorrektur digital in einer kontrollierten Umgebung durchgeführt, typischerweise in einer dunklen oder abgedunkelten Farb-Suite, und ist einer der arbeitsintensivsten Teile der Videobearbeitung.
Die Ursprünge der Farbkorrektur liegen im photochemischen Filmprozess, der als Farbtiming bekannt ist und während des Drucks in einem Filmlabor durchgeführt wurde, indem die Intensität und Farbe des Lichts variiert wurde, das zur Belichtung des neu fotografierten Bildes verwendet wurde. Mit diesem Prozess allein konnte der Benutzer das Ergebnis der Änderungen nicht sofort sehen, daher wurde häufig ein Hazeltine-Farbanalysator für die Echtzeitansicht von Modifikationen verwendet. In den 2000er Jahren, mit dem Aufkommen der digitalen Technologie, wurde die Farbkorrektur in Hollywood-Filmen häufiger und verlagerte sich von photochemischen zu digitalen Workflows.
Farbtiming
Farbtiming ist der frühere photochemische Prozess, der bei der Reproduktion von Filmelementen verwendet wurde. Ursprünglich war „Farbkorrektur“ ein Laborbegriff für die Veränderung des Farberscheinungsbilds bei der Filmreproduktion, wenn zum Antwortdruck oder Verleihdruck übergegangen wurde. Bis Ende der 2010er Jahre wurde diese Filmkorrekturtechnik als Farbtiming bekannt, das Änderungen an der Belichtungsdauer durch verschiedene Filter während der Filmentwicklung beinhaltete. Farbtiming wird in Druckerpunkten angegeben, die Voreinstellungen in einem Laborkontaktdrucker darstellen, wobei 7 bis 12 Druckerpunkte einer Blende Licht entsprechen. Die Anzahl der Punkte pro Blende variierte je nach Negativ- oder Druckmaterial und verschiedenen Voreinstellungen in Filmlabors.
In einer Filmproduktion traf sich das Kreativteam mit dem Labor-Timer, der einen laufenden Film ansah und Notizen basierend auf den Anweisungen des Teams machte. Nach der Sitzung kehrte der Timer ins Labor zurück und legte das Filmnegativ auf ein Hazeltine-Gerät, das Vorschaufilter mit einer kontrollierten Hintergrundbeleuchtung hatte, um die genauen Einstellungen jedes Druckerpunkts für jede Szene auszuwählen. Diese Einstellungen wurden auf ein Papierband gestanzt und einem Hochgeschwindigkeitsdrucker zugeführt, wo das Negativ durch eine Hintergrundbeleuchtung auf ein Druckmaterial belichtet wurde. Die Filtereinstellungen wurden spontan geändert, um den Druckerlichtern auf dem Papierband zu entsprechen. Für komplexe Arbeiten wie visuelle Effektaufnahmen wurden manchmal „Keile“ verarbeitet, die durch Kombinationen von Filtern liefen, um die Auswahl der richtigen Korrektur zu unterstützen.
Telecine
Mit dem Aufkommen des Fernsehens erkannten Rundfunkanstalten schnell die Grenzen von Live-Übertragungen und wandten sich der Ausstrahlung von Spielfilmen direkt von Verleihdrucken über ein Telecine zu. Dies geschah vor 1956, als Ampex den ersten Quadruplex-Videobandrekorder (VTR) VRX-1000 einführte. Live-Fernsehsendungen konnten auch auf Film aufgezeichnet und zu verschiedenen Zeiten in verschiedenen Zeitzonen ausgestrahlt werden, indem ein Videomonitor gefilmt wurde. Das Herzstück dieses Systems war das Kineskop, ein Gerät zur Aufzeichnung einer Fernsehübertragung auf Film.
Die frühe Telecine-Hardware war die „Filmkette“ für die Ausstrahlung von Film, die einen Filmprojektor nutzte, der mit einer Videokamera verbunden war. Wie Jay Holben im American Cinematographer Magazine erklärte: „Das Telecine wurde erst dann wirklich zu einem brauchbaren Postproduktionswerkzeug, als es die Fähigkeit erhielt, Farbkorrektur an einem Videosignal durchzuführen.“
Wie Telecine-Färbung funktioniert
In einem Kathodenstrahlröhren-System (CRT) wird ein Elektronenstrahl auf eine phosphorbeschichtete Hülle projiziert, wodurch ein kleiner Lichtpunkt entsteht. Dieser Strahl wird von links nach rechts über einen Filmrahmen gescannt und erfasst die vertikalen Rahmeninformationen. Das horizontale Scannen erfolgt, während sich der Film am Strahl der CRT vorbeibewegt. Sobald der Photonenstrahl durch den Filmrahmen tritt, trifft er auf eine Reihe dichroitischer Spiegel, die das Bild in seine primären roten, grünen und blauen Komponenten zerlegen. Jeder einzelne Strahl wird dann auf eine Photomultiplier-Röhre (PMT) reflektiert, wo Photonen in ein elektronisches Signal umgewandelt werden, das auf Band aufgezeichnet wird.
In einem Telecine mit ladungsgekoppeltem Bauelement (CCD) wird ein weißes Licht durch das belichtete Filmbild auf ein Prisma gestrahlt, das das Bild in die drei Primärfarben zerlegt. Jeder Strahl farbigen Lichts wird auf ein anderes CCD projiziert, eines für jede Farbe. Das CCD wandelt Licht in ein elektronisches Signal um, und die Telecine-Elektronik moduliert diese in ein Videosignal, das dann farbkorrigiert werden kann.
Frühe Farbkorrekturen an Rank Cintel MkIII CRT-Telecine-Systemen wurden durch Variieren der primären Verstärkungsspannungen an jeder der drei Photomultiplier-Röhren erreicht, um die Ausgabe von Rot, Grün und Blau zu variieren. Weitere Fortschritte wandelten viel der Farbverarbeitungsausrüstung von analog auf digital um, und mit der nächsten Generation von Telecine, der Ursa, wurde der Färbeprozess vollständig digital im 4:2:2-Farbraum. Die Ursa Gold brachte Farbkorrektur im vollständigen 4:4:4-Farbraum.
Farbkorrektur-Steuersysteme begannen 1978 mit dem Rank Cintel TOPSY (Telecine Operations Programming SYstem). 1984 führte Da Vinci Systems ihren ersten Farbkorrektor ein, eine computergesteuerte Schnittstelle, die Farbspannungen an den Rank Cintel MkIII-Systemen manipulierte. Seitdem hat sich die Technologie verbessert, um dem digitalen Coloristen außergewöhnliche Leistungsfähigkeit zu geben. Heute stellen viele Unternehmen Farbkorrektur-Steuerschnittstellen her, darunter Da Vinci Systems und Pandora International. Einige Telecines waren bis 2018 noch in Betrieb.
Farbkorrektur und -verbesserung
Einige der wichtigsten künstlerischen Funktionen der Farbkorrektur (digitale Farbkorrektur) umfassen:
- Genau das reproduzieren, was aufgenommen wurde
- Variationen im Material ausgleichen (z. B. Filmfehler, Weißabgleich, unterschiedliche Lichtverhältnisse)
- Die beabsichtigte Betrachtungsumgebung ausgleichen (dunkle, gedämpfte, helle Umgebungen)
- Basiserscheinungsbild für die Einbindung spezieller visueller Effekte optimieren
- Einen gewünschten künstlerischen „Look“ etablieren
- Die Stimmung einer Szene verbessern und/oder verändern, das visuelle Äquivalent zur musikalischen Begleitung eines Films (vergleiche auch Filmtönung)
Einige dieser Funktionen müssen gegenüber anderen priorisiert werden; zum Beispiel kann Farbkorrektur durchgeführt werden, um sicherzustellen, dass aufgenommene Farben denen der Originalszene entsprechen, während das Ziel zu anderen Zeiten darin bestehen kann, einen sehr künstlichen, stilisierten Look zu etablieren. Traditionell wurde Farbkorrektur auf praktische Ziele hin durchgeführt, wie im Film Marianne, wo die Korrektur verwendet wurde, damit Nachtszenen tagsüber gefilmt werden konnten.
Farbkorrektur in der KI-Bild- und Videogenerierung
Im Kontext der generativen KI und künstlichen Intelligenz Bild- und Videogenerierung wird Farbkorrektur als visueller Stil oder fotografische/filmische Technik innerhalb von Prompts aufgerufen. Prompt-Autoren verwenden spezifische Schlüsselwörter, um Modelle zu bestimmten Farbpaletten, Kontraststufen und Stimmungen zu führen. Häufige Begriffe sind „Teal and Orange“, „Bleach Bypass“, „hoher Kontrast“, „gedämpfte Farben“, „Vintage-Filmlook“, „filmische Farbkorrektur“ und „farbkorrigiert“. Diese Deskriptoren helfen neuronalen Netzen, Ausgaben zu erzeugen, die den Look professionell korrigierten Materials nachahmen.
Modelle, die auf großen Datensätzen von Bildern und Videos trainiert wurden, lernen Assoziationen zwischen textuellen Beschreibungen und visuellen Merkmalen, einschließlich Farbverteilungen. Zum Beispiel könnte ein Prompt wie „eine futuristische Stadt mit Neon-Farbkorrektur“ das Modell dazu führen, Bilder mit gesättigten Blau- und Rosatönen zu erzeugen, während „eine düstere Szene mit entsättigter Farbkorrektur“ gedämpfte, kontrastarme Ergebnisse liefern könnte. Die Wirksamkeit solcher Prompts hängt vom Verständnis des Modells für farbbezogene Begriffe ab, das durch Trainingsdaten und Ausrichtungstechniken wie RLHF geprägt ist.
Bekannte Praktiker und Werkzeuge
Historisch wurde Farbkorrektur von erfahrenen Labor-Timern und später von digitalen Coloristen mit spezialisierter Hardware und Software durchgeführt. In der Filmindustrie entwickelten Unternehmen wie Da Vinci Systems und Pandora International Steuerschnittstellen, die zu Industriestandards wurden. Moderne Software-Tools wie DaVinci Resolve, Baselight und andere werden häufig in der professionellen Postproduktion verwendet. Im KI-Bereich haben Forscher und Ingenieure bei Organisationen wie OpenAI, Google DeepMind und Anthropic Modelle entwickelt, die Farbkorrekturstile basierend auf textuellen Prompts anwenden können, obwohl spezifische Praktiker weniger häufig genannt werden.
Beziehung zu anderen Konzepten
Farbkorrektur ist eng verwandt mit Farbhistogrammen, die die Verteilung von Farben in einem Bild darstellen und oft in KI-Modellen verwendet werden, um Farbe zu analysieren oder anzupassen. Sie überschneidet sich auch mit Farbnormalisierung, einer Technik, die das Farberscheinungsbild über Bilder hinweg standardisiert und manchmal als Vorverarbeitungsschritt in Machine-Learning-Pipelines verwendet wird. In Deep-Learning-Modellen kann Farbkorrektur als eine Form der Stilübertragung angesehen werden, bei der das Modell lernt, einen bestimmten visuellen Stil auf generierte Inhalte anzuwenden.
Der Prozess der Farbkorrektur in der KI-Generierung ist analog zur traditionellen Postproduktion, wird jedoch implizit vom Modell durchgeführt, nicht durch explizite Benutzersteuerung. Prompt-Autoren fungieren als virtuelle Coloristen, die Sprache verwenden, um die Ausgabe des Modells in Richtung gewünschter Ästhetik zu lenken. Dies hat zu einem neuen Vokabular farbbezogener Begriffe im Prompt-Engineering geführt, das eine Schlüsselkompetenz im Prompt-Schreiben für generative Modelle ist.
Herausforderungen und Überlegungen
Eine Herausforderung bei der KI-Farbkorrektur ist die Erzielung von Konsistenz über mehrere Frames in der Videogenerierung. Während Standbilder einzeln korrigiert werden können, erfordert Video zeitliche Kohärenz, um Flackern oder abrupte Änderungen zu vermeiden. Modelle wie die von Google DeepMind und anderen Labors verwenden oft Techniken zur zeitlichen Glättung, aber dies bleibt ein aktives Forschungsgebiet. Darüber hinaus kann die Interpretation von Farbkorrekturbegriffen zwischen Modellen variieren, was zu inkonsistenten Ergebnissen führt. Prompt-Autoren müssen oft mit verschiedenen Formulierungen und Parametern experimentieren, um den gewünschten Look zu erreichen.
Eine weitere Überlegung betrifft die ethischen und ästhetischen Implikationen der Farbkorrektur in KI-generierten Medien. Wie bei der traditionellen Farbkorrektur können die getroffenen Entscheidungen die Stimmung und Bedeutung eines Bildes erheblich beeinflussen, und KI-Modelle können unbeabsichtigt Vorurteile aus Trainingsdaten verstärken. Das Verständnis der technischen und künstlerischen Aspekte der Farbkorrektur ist daher sowohl für Ersteller als auch für Konsumenten KI-generierter Inhalte wichtig.
Zukünftige Richtungen
Da KI-Modelle weiter verbessert werden, wird die Fähigkeit, Farbkorrektur durch natürliche Sprache zu steuern, wahrscheinlich präziser. Fortschritte in Transformer-Architekturen und Aufmerksamkeitsmechanismen könnten es Modellen ermöglichen, nuancierte Farbbeschreibungen besser zu verstehen. Die Integration mit traditionellen Farbkorrektur-Tools könnte auch hybride Workflows ermöglichen, bei denen KI anfängliche Korrekturen generiert, die menschliche Coloristen verfeinern. Die fortlaufende Entwicklung von großen Sprachmodellen und ihre Ausrichtung auf visuelle Daten wird prägen, wie Farbkorrektur in KI-Prompts aufgerufen wird, und sie zu einem immer leistungsfähigeren Werkzeug für visuelles Geschichtenerzählen machen.