Nuevos algoritmos de aprendizaje retocan tus fotos antes de tomarlas



Una composición creada por el MIT que muestra la imagen original de 12 megapíxeles (izquierda) y la versión retocada producida por sus nuevos algoritmos de aprendizaje (derecha).
Una composición creada por el MIT que muestra la imagen original de 12 megapíxeles (izquierda) y la versión retocada producida por sus nuevos algoritmos de aprendizaje (derecha).

Los nuevos algoritmos de aprendizaje de máquinas de Google y MIT retocan tus fotos antes de tomarlas…

Cada vez es más difícil lograr más rendimiento del hardware de la cámara del teléfono. Es por eso que empresas como Google están recurriendo a la fotografía computacional. Es el uso de algoritmos de aprendizaje de máquina para mejorar tus tomas. La última investigación del gigante de la búsqueda, realizada con científicos del MIT, lleva este trabajo a un nuevo nivel. El desarrollo de algoritmos de aprendizaje que son capaces de retocar tus fotos como un fotógrafo profesional en tiempo real, antes de tomarlas.

Los investigadores utilizaron el aprendizaje automático para crear su software, entrenando redes neuronales en un conjunto de datos de 5.000 imágenes creadas por Adobe y MIT. Cada imagen de esta colección ha sido retocada por cinco fotógrafos diferentes. Los algoritmos de aprendizaje de  Google y MIT usaron estos datos para aprender qué tipo de mejoras hacer en diferentes fotos. Esto podría significar aumentar el brillo aquí, reducir la saturación allí, y así sucesivamente.

¿Cuál es la novedad de éstos algoritmos de aprendizaje?

El uso del aprendizaje de máquina para mejorar las fotos se ha hecho antes, pero el verdadero avance con esta investigación es minimizar los algoritmos de aprendizaje para que sean lo suficientemente pequeños y eficaces para ejecutarse en el dispositivo de un usuario sin ningún retraso. El software en sí no es más grande que una sola imagen digital, y, según un blog del MIT, podría ser equipado “para procesar imágenes en una variedad de estilos”.

Esto significa que las redes neuronales podrían ser entrenadas en nuevos conjuntos de imágenes. Incluso podrían aprender a reproducir el estilo particular de un fotógrafo dado. De la misma manera que empresas como Facebook y Prisma han creado filtros artísticos que imitan pintores famosos. Por supuesto, vale la pena señalar que los smartphones y las cámaras ya procesan datos de imágenes en tiempo real. Pero estas nuevas técnicas son más sutiles y reactivas, respondiendo a las necesidades de las imágenes individuales, en lugar de aplicar reglas generales.

¿Cómo se minimizan los algoritmos de aprendizaje?

Con el fin de minimizar los algoritmos, los investigadores utilizaron algunas técnicas diferentes. Éstas incluyeron convertir los cambios realizados en cada foto en fórmulas. También el uso de coordenadas tipo cuadrícula para confeccionar las imágenes. Todo esto significa que la información sobre cómo retocar las fotos se puede expresar matemáticamente, en lugar de fotos a escala real.

“Esta tecnología tiene el potencial de ser muy útil para la mejora de la imagen en tiempo real en las plataformas móviles”. Dijo  el investigador de Google Jon Barron al MIT. “El uso del aprendizaje automático para la fotografía computacional es una perspectiva interesante. Pero está limitado por las severas restricciones computacionales y de potencia de los teléfonos móviles. Este documento nos puede proporcionar una manera de evitar estos problemas. Producir experiencias fotográficas nuevas, convincentes y en tiempo real sin drenar tu batería. O con una pobre experiencia de visualización”.

¿Estaremos viendo estos algoritmos aparecer en uno de los futuros teléfonos de Pixel de Google? No es improbable. La compañía ha utilizado previamente sus algoritmos HDR+ para brindar más detalles en luz y sombra en dispositivos móviles desde el Nexus 6. Y el responsable de fotografía computacional de Google, Marc Levoy, dijo que estamos “empezando a Rascar la superficie “con este trabajo.


Sea el primero en comentar

Deje una respuesta

Su dirección de E-mail no será publicada.


*