C¨®mo ampliar fotos al detalle a partir de im¨¢genes con muy poca resoluci¨®n

"Ampl¨ªa la foto y, ahora, mej¨®rala" son palabras cl¨¢sicas en las escenas de algunas series polic¨ªacas y de ciencia ficci¨®n para tratar de identificar a los sospechosos. Un recurso lejos de la realidad, ya que una imagen digital no puede ser ampliada sin perder informaci¨®n. Hasta ahora.

Google Brain, el proyecto de investigaci¨®n de aprendizaje profundo de la multinacional estadounidense, ha logrado generar im¨¢genes detalladas a partir de muestras de muy poca resoluci¨®n. Apenas un conjunto de p¨ªxeles.

M¨¢s informaci¨®n

?Es mejor un tel¨¦fono con c¨¢mara o una c¨¢mara con tel¨¦fono?

Con este m¨®vil no necesitar¨¢s c¨¢mara de fotos

Recuperar una fotograf¨ªa de alta resoluci¨®n a partir de una muy ampliada es complicado, ya que no se dispone de la informaci¨®n necesaria para recrearla. Un agente que desarrolle esta tarea debe tener en cuenta varias posibilidades como el punto desde el que est¨¢ hecha la foto, la iluminaci¨®n de la escena, oclusi¨®n, etc¨¦tera. Cuando hay detalles que se pierden, no solo hay que limpiar y redefinir la imagen, hay que generarla.

El equipo de investigadores de Google Brain entren¨® a un agente artificial para generar fotograf¨ªas de mayor resoluci¨®n a partir de retratos de famosos o fotograf¨ªas de dormitorios de apenas 64 p¨ªxeles (8x8). En estas im¨¢genes, los detalles del pelo o la piel se pierden completamente y no pueden obtenerse ciertas peculiaridades con t¨¦cnicas de interpolaci¨®n empleadas com¨²nmente en los televisores.

Pero un artista puede generar un retrato semejante gracias al conocimiento previo que tiene al haber visto millones de rostros y sus posibles variaciones. Google Brain ha logrado crear fotograf¨ªas de alta resoluci¨®n gracias a dos procesos.

En el primero, una red de condicionamiento equipara las fotos de baja resoluci¨®n con otras de alta resoluci¨®n. Las semejantes se escalan a los 8x8 p¨ªxeles que el equipo ha empleado de base y se seleccionan las que concuerdan. En la figura se pueden observar varios ejemplos de retratos de famosos generados de forma artificial.

En el segundo proceso se intenta a?adir detalles realistas de fotos de alta resoluci¨®n a las im¨¢genes fuente. Una red neuronal trata un gran n¨²mero de fotos que sean del mismo tipo que la que se quiere mejorar y aprende las variaciones que pueden existir. En el ejemplo se emplean retratos de famosos, por lo que la red usar¨¢ millones de fotos de caras. Cuando la imagen es convertida a una de mayor resoluci¨®n (32x32 p¨ªxeles), los algoritmos a?aden detalles basados en la probabilidad. Por ejemplo, un p¨ªxel marr¨®n es una ceja si est¨¢ encima de un ojo.

La imagen final de mayor resoluci¨®n es generada a trav¨¦s del trabajo de las dos redes en paralelo y la fusi¨®n de ambas basada en un modelo de probabilidad. Como puede observarse en la figura, la mejora en resoluci¨®n es suficiente como para identificar mejor al sujeto: se recuperan los ojos, el pelo o la boca. Se pueden generar multitud de im¨¢genes dependiendo de su claridad y fiabilidad. Algo que el equipo ha cuantificado y representado en el estudio.

Como puede observarse en la figura, la mejora en resoluci¨®n es suficiente como para identificar mejor al sujeto: se recuperan los ojos, el pelo o la boca

Los investigadores probaron la eficacia de su agente mostrando a varias personas la fotograf¨ªa original y la generada artificialmente. Se les pidi¨® elegir qu¨¦ instant¨¢nea hab¨ªa sido tomada por una c¨¢mara y cu¨¢l generada artificialmente. El 11% de los encuestados pens¨® que la fotograf¨ªa original era la generada por un algoritmo en el caso de los retratos de famosos y el 28% cuando se les mostraron las fotograf¨ªas de dormitorios. La perfecci¨®n se lograr¨ªa al llegar a un 50% de probabilidad de acierto, donde el ser humano no puede distinguir ¡ªni intuir¡ª si una fotograf¨ªa ha sido tomada con una c¨¢mara o generada por la inteligencia artificial.

La imagen resultante de la mejora de resoluci¨®n no es real. Los detalles son probabilidades, pero las t¨¦cnicas son ¨²tiles para identificar sujetos o detalles en ciertas fotograf¨ªas que hasta ahora solo eran unos pocos p¨ªxeles.