Outpainting in Stable Diffusion

Outpainting ist die KI-gestützte Erweiterung eines bestehenden Bildes über seine ursprünglichen Ränder hinaus – Stable Diffusion generiert dabei neue, inhaltlich und stilistisch konsistente Bildbereiche, die nahtlos an das Original anschließen.

Rubrik: GenAI & Content Creation · Unterrubrik: Stable Diffusion · Niveau: Fortgeschritten Synonyme / Auch bekannt als: Canvas Extension, Uncropping, Outward Filling, Expanded Canvas

Was ist Outpainting?

Outpainting löst eines der praktischsten Probleme in der professionellen Bildbearbeitung: Ein Bild ist zu eng zugeschnitten, das Seitenverhältnis passt nicht zum geplanten Layout, oder der Kontext rund um das Hauptmotiv fehlt. Statt das Bild neu zu erstellen, analysiert Stable Diffusion den Bildinhalt, schätzt die Fortsetzung der Szene und generiert nahtlos anschließende Bereiche – von wenigen Pixeln bis zum Mehrfachen der Originalgröße.

Erklärung

Outpainting basiert technisch auf dem gleichen Inpainting-Mechanismus wie Inpainting in Stable Diffusion, jedoch wird dabei die Maske nicht auf einen inneren Bereich des Bildes gelegt, sondern auf die neu hinzugefügten, leeren Bereiche außerhalb des Originalbildes.

Der Prozess funktioniert folgendermaßen:

1. Canvas-Erweiterung: Das Originalbild wird auf ein größeres Canvas platziert; die neuen Randbereiche sind zunächst transparent oder in einer Füllfarbe
2. Maske definieren: Die neuen, leeren Bereiche werden als Inpainting-Maske markiert
3. Conditioning: Das Modell erhält das Originalbild plus Maske als Input; die sichtbaren Originalbereiche dienen als kontextueller Anker
4. Generierung: Stable Diffusion füllt die maskierten Bereiche basierend auf Prompt und dem sichtbaren Kontext aus

Für qualitativ hochwertige Ergebnisse nutzen gängige Implementierungen Overlapping-Strategien: Statt einen harten Schnitt an der Originalbildkante zu setzen, wird ein Überlappungsbereich definiert (typisch 64–256 Pixel), in dem das Originalbild und der neue Bereich sich überlappen und sanft ineinander übergehen. Das verhindert sichtbare Nahtstellen.

Wichtige Implementierungen:

Outpainting in AUTOMATIC1111: Das „Outpainting mk2"-Script im img2img-Bereich ermöglicht direktes Outpainting mit Einstellungen für Richtung, Overlap und Padding. Der „Poor man's outpainting"-Script bietet einfaches, aber effektives canvas-basiertes Outpainting.

ComfyUI und Inpaint-Nodes: ComfyUI ermöglicht durch flexible Node-Verbindungen vollständige Kontrolle über den Outpainting-Prozess – inklusive mehrstufigem Outpainting für sehr große Erweiterungen.

Diffusion-native Outpainting: Speziell trainierte Inpainting-Modelle (z. B. sd-v1-5-inpainting.ckpt oder SDXL Inpainting) liefern deutlich bessere Outpainting-Ergebnisse als Standard-Modelle, da sie explizit darauf trainiert wurden, Maskenränder zu integrieren.

Wichtige Parameter:

• Denoising Strength: Bei 0.75–0.9 für neue Bereiche; zu niedrig führt zu flachen, texturlosen Erweiterungen
• Overlap (Pixels): 64–128 Pixel für Standard-Outpainting; größere Überlappung bei stark strukturierten Bildern
• Padding: Füllt den Rand zwischen Originalbild und neuem Canvas-Bereich; hilft dem Modell beim Kontextverständnis
• Steps: Höhere Step-Zahlen (40–60) empfehlenswert für komplexe Szenen

Beispiele

1. Hochformat zu Querformat: Porträt im Hochformat → Outpainting nach links und rechts → neue Schultern, Arme und Hintergrund entstehen; Ergebnis: Querformat-Porträt für Webheader.
2. Szenenerweiterung für Filmstills: Konzeptfoto einer Straßenszene → Outpainting nach oben → Gebäude, Himmel und Wolken entstehen; Stimmung der Originalszene wird beibehalten.
3. Produktfoto-Erweiterung: Enge Produktaufnahme → Outpainting nach unten und seitlich → Stuhlbeine, Bodenstruktur und Ambiente entstehen; Bild wird für Katalog-Layout nutzbar.
4. Historische Fotos ergänzen: Altes, eng zugeschnittenes Porträtfoto → Outpainting → Raumkontext, Möbel und Umgebung im Stil der Epoche generiert.
5. Kunstwerk-Fortsetzung: Fragment eines Gemäldes → Outpainting im Stil des Originals → fehlende Teile des Kunstwerks werden stilkonsistent ergänzt.

In der Praxis

Workflow in AUTOMATIC1111 (Outpainting mk2):

1. img2img-Tab öffnen, Originalbild hochladen
2. Script → „Outpainting mk2" auswählen
3. Richtung(en) wählen: left, right, up, down (Mehrfachwahl möglich)
4. Overlap: 64 Pixel (Standard), bei strukturierten Bildern auf 128 erhöhen
5. Denoising Strength: 0.75–0.85
6. Prompt: Beschreibung der zu generierenden Erweiterung (z. B. „forest background, sunlight, trees, atmospheric")
7. Schrittweise generieren – bei großen Erweiterungen mehrere kleine Schritte machen

Workflow für mehrstufiges Outpainting: Für sehr große Erweiterungen ist iteratives Vorgehen besser: erst 30–40% der Seite erweitern, Ergebnis speichern, als neues Eingangsbild verwenden und wiederholen. Jeder Schritt bietet Kontrolle und verhindert konsistenzprobleme.

Diffuser-basierte Tools (2024+): Modelle wie FLUX oder SDXL mit nativen Fill-Fähigkeiten erlauben direkt im Prompt-Interface Outpainting ohne komplexe Masken-Workflows.

Fallstricke:

• Denoising Strength unter 0.6 → Erweiterungen sind flach und ohne Textur
• Fehlender Prompt → das Modell hat keine Anhaltspunkte für Inhalt und Style
• Zu große Erweiterung in einem Schritt → Konsistenz leidet; mehrstufig arbeiten
• Stark strukturierte Hintergründe (z. B. Ziegelmuster, Tapeten) sind schwer konsistent fortzusetzen

Vergleich & Abgrenzung

Outpainting und Inpainting in Stable Diffusion sind eng verwandte Techniken: Beide nutzen Maskierung und Diffusion zur Bildfüllung. Der Unterschied liegt in der Position der Maske: Inpainting ersetzt Bereiche innerhalb des Bildes; Outpainting erweitert das Bild nach außen. In der technischen Implementierung sind beide weitgehend identisch.

Gegenüber klassischem Content-Aware-Fill in Adobe Photoshop oder GIMP arbeitet SD-Outpainting mit einem Sprachmodell-Verständnis von Szene und Kontext – und generiert deshalb deutlich realistischere, stimmungskonsistentere Erweiterungen, besonders bei komplexen Szenen und Porträts.

Häufige Fragen (FAQ)

Wie verwende ich Outpainting in der Praxis? Der einfachste Einstieg ist AUTOMATIC1111 mit dem „Outpainting mk2"-Script im img2img-Tab. Bild einladen, Richtung und Overlap definieren, einen beschreibenden Prompt formulieren und Denoising auf ~0.8 setzen. Für mehrstufige Erweiterungen immer iterativ arbeiten – jeweils um 20–40% erweitern, Ergebnis sichern und als neues Basisbild nutzen.

Was sind typische Fehler bei Outpainting? Häufig wird der Prompt vergessen oder zu vage formuliert – dann fehlt dem Modell der Kontext für die Erweiterung. Ein weiterer Fehler ist zu aggressive Erweiterung in einem Schritt: Mehr als 50% der Bildgröße in einer Runde führt meist zu inkonsistenten Übergängen. Außerdem liefern Standard-Checkpoints schlechtere Ergebnisse als speziell trainierte Inpainting-Modelle – ein Inpainting-Modell verwenden.

Weiterführend

• AUTOMATIC1111 Outpainting Wiki
• Stable Diffusion Art: Outpainting Guide
• ComfyUI Inpaint Workflow