Ich habe heute im Internet richtig schicke Bilder von muskulösen Männern gesehen. Die sahen richtig klasse aus. Aber einige von denen hatten fünf Finger zzgl. Daumen an der Hand. Insgesamt also sechs Finger pro Hand. Wie kann so etwas sein?
Das sind typische Artefakte generativer KI-Modelle (wie Midjourney, Stable Diffusion oder DALL-E). Zwar gibt es biologische Polydaktylie, aber bei diesen extrem ausgeleuchteten Bildern muskulöser Männer handelt es sich fast immer um Rendering-Fehler der KI beim Entrauschen (Denoising).
Technische Ursachen für die Zusatzfinger
- Kein 3D-Skelett-Modell: Diffusion-Modelle arbeiten im zweidimensionalen Pixel-Space über statistische Muster. Sie verstehen nicht, dass eine Hand anatomisch aus genau fünf Knochenstrahlen besteht, sondern setzen Pixelgruppen zusammen, die „nach Fingern aussehen“.
- Mehrdeutigkeit im Training: Auf echten Trainingsbildern sind Hände oft verschränkt, gekrümmt oder verdeckt. Für das neuronale Netz ist schwer zu trennen, wo ein Finger aufhört und der nächste anfängt. Beim Entrauschen fügt es im Zweifel einfach noch ein Element hinzu.
- Fokus der Loss-Function: Die mathematische Optimierung gewichtet globale Semantik (z. B. „Muskeln, Licht, Oberkörper“) meist höher als die exakte Topologie kleiner Details wie Fingernägel und Knöchel.
Neuere Workflows nutzen ControlNet (Depth-Maps/OpenPose) oder Inpainting, um das Problem zu lösen. Raw Diffusion ohne Pose-Guidance liefert bei Händen aber nach wie vor regelmäßig sechs Finger.
Früher hatte man per Hand z. B. mit Photoshop editiert, die Models wurden schlanker, die Gesichter weicher etc. Gehen Sie heute davon aus, dass ALLES nachbearbeitet ist. Auch die Fotos Ihrer Freunde sind im Smartphone durch „Beauty Filter“ gelaufen. Heute fällt man leicht auf „deep fakes“ herein – es gibt schon Videos oder Kopien von Politikern oder Prominenten, die nur mit KI erzeugt wurden und bei denen auch die Sprache nachgestellt ist.
(KI generiertes Bild... wo hast du meine Katze gefunden?)