Suscríbete al newsletter The NewNow

Y te mantendremos al tanto de los últimos artículos y noticias

Los campos marcados con * son obligatorios

Inteligencia Artificial mejora imágenes en baja resolución

Científicos del Instituto Max Planck para Sistemas Inteligentes en Tübingen (Alemania) han creado un sistema que mejora imágenes y es capaz de generar una versión de alta definición de una imagen de baja resolución.

La tecnología SISR de súper resolución de una sola imagen se ha estudiado durante décadas, pero con resultados limitados. El software agrega píxeles adicionales y los promedia con los píxeles circundantes, pero el resultado es borroso. Los investigadores del Instituto Max Planck de Sistemas Inteligentes proponen un nuevo enfoque para dar a las imágenes una textura realista cuando se amplía mediante el aprendizaje automático. Cuando se aplica la inteligencia artificial y un algoritmo adaptativo para subir el muestreo de la imagen, aprende de la experiencia para mejorar el resultado.

“Al algoritmo se le asigna la tarea de subir un muestreo de millones de imágenes de baja resolución a una versión de alta resolución, y luego se muestra el original.”, dice Mehdi MS Sajjadi, quien junto con El Dr. Michael Hirsch y el Prof. Dr. Bernhard Schölkopf, desarrollaron la tecnología EnhanceNet-PAT.

Según los investigadores, la tecnología es más eficiente que cualquier otra tecnología SISR actual en el mercado. A diferencia de los algoritmos existentes, EnhanceNet-PAT no intenta una reconstrucción perfecta de píxeles, sino que busca la síntesis siendo fiel a las texturas. Al detectar y generar patrones en una imagen de baja resolución y aplicarlos en el proceso de upsampling, EnhanceNet-PAT agrega píxeles extra a la imagen de baja resolución. Para la mayoría de los espectadores, el resultado es muy similar a la foto original.

Fuente: Max Planck Institute for Intelligent Systems

mejora de imágenes en baja resolución
© Instituto Max Planck de Sistemas Inteligentes. EnhanceNet-PAT es capaz de subir un muestreo de una imagen de baja resolución (izquierda) a una versión de alta definición (centro). El resultado es difícil de distinguir de la imagen original (derecha).

Retoque automático de imágenes desde un teléfono móvil

Investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del Instituto de Tecnología de Massachusetts (MIT) y Google han presentado, en Siggraph 2017, un nuevo sistema de retoque automático de imágenes con una calidad profesional que puede ejecutarse en un teléfono celular y es tan rápido que puede mostrar imágenes retocadas en tiempo real. Al mismo tiempo que se está encuadrando la foto se puede ver cómo sería la versión final de la imagen

El sistema utiliza un método de aprendizaje automático, lo que significa que aprende a realizar tareas mediante el análisis de datos de entrenamiento; así, cada trabajo nuevo es fruto de un entrenamiento en miles de imágenes, en bruto y retocadas.

Esta tecnología está basado en un proyecto anterior de los investigadores del MIT, en el cual un teléfono celular enviaría una versión de baja resolución de una imagen a un servidor web. El servidor enviará una “receta de transformación” que se podría usar para retocar la versión de alta resolución de la imagen en el teléfono, reduciendo el consumo de ancho de banda.

Retoque de imágenes con el móvil
©Cortesía de los investigadores (editado por MIT News). Un nuevo sistema de retoque automático de imágenes al estilo de un fotógrafo profesional. Se puede ejecutar en un teléfono móvil y mostrar las imágenes retocadas en tiempo real.

Tal y como cuenta Michaël Gharbi, estudiante graduado del MIT en ingeniería eléctrica y ciencias de la computación y primer autor en ambos documentos, “Google escuchó acerca de este trabajo que había hecho en la receta de transformación. Ellos mismos hicieron un seguimiento al respecto, así que conocimos y fusionamos los dos enfoques. La idea era hacer todo lo que estábamos haciendo antes, pero, en lugar de tener que procesar todo en la nube, aprenderlo. Y el primer objetivo de aprender fue para acelerarlo “.

Fuente: Massachusetts Institute of Technology