La inteligencia artificial para interpolar imágenes a alta resolución

Obtener una imagen de alta resolución a partir de otra menor resolución conlleva normalmente una pérdida en la calidad de imagen global debido al convencional proceso de interpolación, en el cual se deben «adivinar» los píxeles ausentes a partir de la información de los píxeles colindantes. El uso de posteriores filtros de suavizado permite, de alguna manera, arreglar el resultado final, pero la pérdida de detalle es inevitable.

La limitación de este método es la incapacidad del sistema de «entender» la imagen. Y es aquí donde entran los algoritmos de inteligencia artificial y los sistemas de aprendizaje automáticomachine learning–. Meses atrás hablamos de la tecnología RAISR de Google, que justamente hace uso de este tipo de aproximación para mejorar cualitativamente las imágenes interpoladas a alta resolución.

RAISR © Google
RAISR © Google

El sistema de Google permitía, además, aplicar estas técnicas en tiempo real, algo especialmente importante si se desea poder utilizar en terminales móviles. De hecho, la fotografía móvil ya se beneficia de este tipo de algoritmos, y algunos fabricantes como Huawei en su reciente Mate 10 y Mate 10 Pro han incorporado, por primera vez en este segmento móvil, un chip con NPU –Neural Processor Unit– para optimizar procesos de redes neuronales–, el Kirin 970.

Kirin 970 con NPU integrada © Huawei
Kirin 970 con NPU integrada © Huawei

Pero en este campo de la inteligencia artificial aplicada a las imágenes los avances se suceden sin cesar. Ayer aprendíamos de la existencia de una nueva aplicación web, de nombre Let’s Enhance, que permite, justamente mediante redes neuronales, conseguir imágenes interpoladas a alta resolución con una calidad de imagen difícil de creer años atrás.

© Let's Enhance
© Let’s Enhance

En este caso el proceso no es en tiempo real, así que deberemos esperar unos segundos –o pocos minutos, dependiendo de la complejidad de la imagen–. De momento se trata de una aplicación gratuita, así que se puede probar para comprobar el potencial de estos sistemas.

Y hoy también salía a luz una nueva herramienta, denominada EnhanceNET-PAT, que realiza un tratamiento similar al anterior para obtener estas imágenes a alta resolución. Todas estas tecnologías, conocidas bajo el nombre de SISRSingle-Image Super-Resolution–, existen desde ya hace tiempo, pero es últimamente cuando están empezando a dar resultados especialmente satisfactorios, gracias a la inteligencia artificial.

© EnhanceNET-PAT
© EnhanceNET-PAT

La clave está, en parte, en la capacidad de aprender a base de analizar millones de imágenes reales, que sirve a los algoritmos para comparar los resultados obtenidos con el original y aprender de sus errores.

Y lo bueno –o lo inquietante, según se mire– es que las máquinas nunca se cansan de aprender.

Dejar una respuesta

¡Por favor, introduce tu comentario!
Por favor, introduce aquí tu nombre

       

Los comentarios en esta página pueden ser moderados; en tal caso no aparecerán inmediatamente al ser enviados. Las descalificaciones personales, los comentarios inapropiados, de extensión desmesurada o con demasiados errores ortográficos podrán ser eliminados. Asimismo, en caso de errores considerados tipográficos, el editor se reserva el derecho de corregirlos antes de su publicación con el fin de mejorar la comprensión de los mismos. Recordamos a los lectores que el propósito final de este medio es informar. Para recibir soporte sobre dispositivos o problemas particulares les invitamos a contactar con el correspondiente servicio de atención al cliente.