Tiefenkarten aus Fotos — direkt im Browser

Was macht das Tool?

Das Tool erzeugt aus einem einzelnen Foto eine Tiefenkarte (Depth Map) — ein Graustufen-Bild, das pro Pixel den geschätzten Abstand zur Kamera kodiert. Helle Bereiche bedeuten „nah”, dunkle bedeuten „fern”. Die Berechnung läuft vollständig in deinem Browser per WebAssembly oder WebGPU und einem spezialisierten neuronalen Netz, das genau für monokulare Tiefenschätzung trainiert wurde — also für Tiefen-Inferenz aus einem einzigen Standbild, ohne Stereo-Kamera oder Tiefen-Sensor.

Die Ausgabe ist ein vollwertiges PNG (verlustfrei), WebP (kompakt) oder JPG (universell), das jedes Bildbearbeitungs-Programm liest. Auflösung und Seitenverhältnis bleiben identisch zum Original; das Tool skaliert die intern berechnete Karte automatisch auf die Eingabe-Größe hoch.

Wie funktioniert die KI-Tiefenschätzung?

Tiefe aus einem einzelnen Bild zu schätzen ist ein klassisches Problem der Computer Vision. Stereo-Verfahren brauchen zwei Aufnahmen aus leicht unterschiedlichen Winkeln, Time-of-Flight-Sensoren brauchen spezielle Hardware. Bei einem normalen Schnappschuss steht nur ein einzelnes 2D-Bild zur Verfügung — der Computer muss aus indirekten Hinweisen rekonstruieren, was vorne und was hinten ist.

Das Modell nutzt dafür gelernte Muster: Perspektivische Verkürzung (parallele Linien laufen in der Tiefe zusammen), Größen-Konsistenz (ein Mensch ist im Vordergrund größer als in der Distanz), Verdeckung (ein Objekt vor einem anderen ist näher), Texturen-Gradienten (Strukturen werden mit Entfernung feiner), atmosphärische Streuung (entfernte Objekte verlieren Kontrast) und gelernte Szenen-Statistik aus Millionen Trainingsbildern. Das Ergebnis ist eine relative Tiefen-Information — du erfährst, was näher oder ferner steht, aber nicht den absoluten Abstand in Metern.

Der gesamte Vorgang läuft in deinem Browser. Beim ersten Aufruf wird das Modell einmal aus einem öffentlichen Modell-Speicher geladen (rund 19 MB in der schnellen Variante, rund 50 MB in der scharfen), danach liegt es im Browser-Cache und arbeitet offline. Jede weitere Tiefenschätzung dauert je nach Gerät und Bildgröße 3 bis 15 Sekunden.

Wann liefert das Tool gute Ergebnisse?

Natürliche Szenen mit klarer Vordergrund/Hintergrund-Struktur sind der Sweet Spot. Porträts, Landschaftsaufnahmen, Innenräume, Straßen-Szenen, Architektur-Fotos — überall wo das Bild eine räumlich strukturierte Komposition zeigt, produziert das Modell saubere Tiefen-Karten. Auch Produktfotos mit klarem Hintergrund-Bokeh funktionieren gut.

Schwierige Fälle fallen in drei Kategorien:

• Flache, texturarme Bilder — einheitliche Wände, leere Himmel-Aufnahmen, einfarbige Hintergründe. Hier fehlen dem Modell die visuellen Hinweise, und die Karte wird flach oder rauschig.
• Optische Täuschungen und Trompe-l’œil — bewusste Tiefen-Illusionen in Gemälden, Spiegelungen, Reflexionen in Fenstern können das Modell verwirren.
• Mikroskopische oder makroskopische Aufnahmen — Mikroskop-Bilder und Astronomie-Fotos folgen nicht den natürlichen Tiefen-Hinweisen aus den Trainingsdaten und liefern unzuverlässige Schätzungen.

Bei alltäglichen Foto-Aufnahmen — Smartphone-Fotos, Spiegelreflex-Bilder, Drohnen-Aufnahmen — passt das Modell zur erwarteten Bildwelt und produziert nutzbare Ergebnisse für die typischen Anwendungen.

Wofür kann ich eine Tiefenkarte verwenden?

Die Karte ist ein universelles Graustufen-Bild und lässt sich in vielen Workflows einsetzen:

• Bokeh-Simulation und Tiefen-Unschärfe — in Bildbearbeitungs-Programmen wie Adobe Photoshop, Affinity Photo oder GIMP als Tiefen-Maske für selektive Unschärfe, um aus einem Smartphone-Schnappschuss eine professionell wirkende Aufnahme mit weichem Hintergrund zu machen.
• Composing zwischen Foto-Ebenen — Vorder- und Hintergrund per Tiefen-Maske trennen, neue Objekte räumlich passend einfügen, Fake-Tiefenschärfe für Stock-Fotos.
• 3D-Modellierung — Eingabe für Blender, Cinema 4D oder andere 3D-Software als Displacement- oder Height-Map, um aus einem 2D-Foto eine 3D-Geländeoberfläche zu generieren.
• AR- und VR-Effekte — Tiefen-basierte Effekte in Web-AR-Implementierungen, Parallax-Animationen auf Webseiten, immersive Bild-Galerien.
• Bildung und Forschung — Tiefen-Karten als Lehrmaterial in Computer-Vision-Kursen, Visualisierung räumlicher Struktur in Architektur-Fotografie.

Die Karte ist nicht für autonome Fahrzeuge, robotische Manipulation oder medizinische Tiefen-Messungen geeignet — diese Anwendungen brauchen kalibrierte Sensorik, nicht eine relative KI-Schätzung.

Ist mein Foto wirklich privat?

Die Tiefenschätzung läuft ausschließlich auf deinem Gerät. Weder das Original noch die berechnete Tiefenkarte werden an einen Server gesendet, gespeichert oder analysiert. Es gibt keinen Drittanbieter-Cookie-Banner, keine Anmeldung und kein Tracking — auch keine anonyme Nutzungs-Analyse.

Die einzige Ausnahme ist der einmalige Modell-Download beim allerersten Aufruf: Die Modell-Datei wird einmal von einem öffentlichen Modell-Speicher geladen. Diese Anfrage enthält nur die Modell-Datei-URL. Es werden keine Bilddaten, keine User-IDs und keine persönlich identifizierbaren Informationen übertragen. Technisch sieht der Modell-Anbieter die IP-Adresse und den User-Agent des Browsers, der den Download macht — also dieselben Daten, die dein Internet-Provider bei jedem Seitenaufruf im Web sieht. Nach dem ersten Laden lebt das Modell im Browser-Cache, der CDN wird nicht mehr kontaktiert.

Für sensibles Material wie Produktprototypen, vertrauliche Visuals oder unveröffentlichte Aufnahmen ist das der entscheidende Vorteil gegenüber Cloud-Tools, die die Datei hochladen müssen.

Was schreibt die EU-KI-Verordnung über KI-generierte Bilder vor?

Ab August 2026 schreibt der EU AI Act Artikel 50 vor, dass KI-generierte Inhalte als solche gekennzeichnet werden müssen. Das Tool zeigt deshalb über jeder erzeugten Tiefenkarte einen fest sichtbaren Hinweis: „Diese Tiefenkarte wurde von einem KI-Modell geschätzt. Werte vor dem Einsatz prüfen — KI-Modelle können Tiefen-Information bei optischen Täuschungen oder ungewöhnlichen Szenen falsch interpretieren.” Dieser Hinweis ist verpflichtend und nicht ausblendbar.

In der Praxis heißt das: Die Karte ist ein Vorschlag, keine bindende Messung. Für gestalterische Zwecke (Bokeh, Composing) ist die Genauigkeit mehr als ausreichend; für sicherheitskritische Anwendungen (autonome Systeme, medizinische Distanz-Messungen, Vermessungs-Aufgaben) ist eine kalibrierte Sensor-Lösung Pflicht.

Häufige Fragen

Die wichtigsten Fragen rund um Nutzung, Qualität und Privatsphäre:

Wie erzeuge ich eine Tiefenkarte aus einem einzelnen Foto?

Lade dein Foto im Tool oben hoch — die Tiefenkarte wird vollständig im Browser per KI berechnet. Das Modell schätzt aus den Bildinhalten die relative Tiefe pro Pixel. Stereo-Kamera oder Tiefen-Sensor sind nicht nötig.

Funktioniert das Tool offline?

Ja. Beim ersten Aufruf lädt der Browser einmalig das KI-Modell herunter (rund 19 MB). Danach laufen alle weiteren Tiefenschätzungen vollständig offline aus dem Browser-Cache.

Welche Bildformate kann ich hochladen?

Eingabe: PNG, JPG, WebP, AVIF und HEIC (iPhone-Fotos). HEIC wird vor der Berechnung automatisch dekodiert. Ausgabe: Graustufen-PNG, -WebP oder -JPG.

Wie lange dauert eine Tiefenschätzung?

Nach dem einmaligen Modell-Download dauert eine Schätzung typischerweise 3 bis 15 Sekunden — abhängig von Gerät, gewählter Variante und Bildgröße.

Welche Bild-Tools passen dazu?

Weitere Tools aus dem kittokit-Ökosystem, die gut zur Tiefenkarten-Generierung passen:

• Hintergrund entfernen — KI-Freistellung, oft der Vorbereitungsschritt für Tiefen-basiertes Composing.
• Bild vergrößern — kleine Eingabe-Bilder vorher hochskalieren, damit die Tiefen-Karte mehr Details bekommt.
• Foto zu Malvorlage — verwandelte Fotos in Linien-Zeichnungen, komplementär zur Tiefen-Information.
• Bild-Format-Konverter — Tiefenkarten in andere Formate umwandeln (PNG-Verlustfrei zu WebP-Kompakt).
• EXIF-Viewer — Original-Metadaten (Kamera, Brennweite, GPS) lesen, ergänzend zur Tiefen-Schätzung.