Wir schlagen einen neuen Ansatz vor, um automatisch mehrere farbige Versionen eines Graustufenbildes zu erzeugen. Unsere Methode basiert auf der Beobachtung, dass die Aufgabe der automatischen Färbung relativ einfach ist, wenn eine Niedrigauflösungsversion des Farbbildes gegeben ist. Zunächst trainieren wir ein bedingtes PixelCNN, um für ein gegebenes Graustufenbild eine Niedrigauflösungsfärbung zu generieren. Anschließend trainieren wir ein zweites CNN, das auf der generierten Niedrigauflösungsfarbbild und dem ursprünglichen Graustufenbild basierend arbeitet, um eine Hochauflösungsfärbung eines Bildes zu erzeugen. Wir zeigen, dass unser Ansatz im Vergleich zu bestehenden Methoden vielfältigere und plausiblere Färbungen erzeugt, wie von menschlichen Beurteilern in einem „visuellen Turing-Test“ beurteilt.