Il tropo “zoom e migliorare” è un cliché televisivo, ma i progressi nell’AI lo stanno lentamente rendendo una realtà. I ricercatori hanno dimostrato che l’apprendimento automatico può ingrandire le immagini a bassa risoluzione, ripristinando la nitidezza che non c’era prima. Ora, questa tecnologia si sta facendo strada verso i consumatori, con l’editor di immagini Pixelmator tra i primi a offrire una tale funzione.
Il concorrente di Photoshop ha annunciato oggi ciò che chiama “ML Super Resolution” per la versione Pro da 60 dollari del suo software: una funzione che l’azienda dice che può scalare un’immagine fino a tre volte la sua risoluzione originale senza difetti di immagine come pixelatura o sfocatura.
Dopo i nostri test, diremmo che questa affermazione richiede alcuni avvertimenti. Ma nel complesso, le prestazioni della funzione di super risoluzione di Pixelmator sono impressionanti.
La pixellizzazione viene eliminata in una serie di immagini, dall’illustrazione alla fotografia al testo. I risultati sono migliori di quelli forniti dai tradizionali algoritmi di upscaling, e anche se il processo non è istantaneo (ci sono voluti circa otto secondi per immagine sul nostro MacBook Pro 2017), è abbastanza veloce da essere una manna per i designer e gli editor di immagini di ogni tipo. Ci sono alcuni esempi qui sotto da Pixelmator, con un’immagine a bassa risoluzione ingrandita a sinistra, e l’immagine elaborata ML Super Resolution a destra:
Puoi vedere altre immagini sul blog di Pixelmator, compresi i confronti con le tecniche tradizionali di upscaling come gli algoritmi Bilinear, Lanczos e Nearest Neighbor. Mentre ML Super Resolution non è una bacchetta magica, fornisce risultati sempre impressionanti.
La ricerca sulla super risoluzione è in corso da qualche tempo, con aziende tecnologiche come Google e Nvidia che hanno creato i loro algoritmi negli ultimi anni. In ogni caso, il software viene addestrato su un set di dati contenente coppie di immagini a bassa risoluzione e ad alta risoluzione. L’algoritmo confronta questi dati e crea delle regole su come i pixel cambiano da immagine a immagine. Poi, quando gli viene mostrata un’immagine a bassa risoluzione che non ha mai visto prima, predice quali pixel extra sono necessari e li inserisce.
I creatori di Pixelmator hanno detto a The Verge che il loro algoritmo è stato fatto da zero per essere abbastanza leggero da funzionare sui dispositivi degli utenti. Ha solo 5MB di dimensione, rispetto agli algoritmi di ricerca che sono spesso 50 volte più grandi. È addestrato su una serie di immagini al fine di anticipare le diverse esigenze degli utenti, ma il set di dati di formazione è sorprendentemente piccolo – solo 15.000 campioni sono stati necessari per creare lo strumento ML Super Resolution di Pixelmator.
L’azienda non è la prima ad offrire questa tecnologia commercialmente. Ci sono un certo numero di strumenti di super risoluzione monouso online, tra cui BigJPG.com e LetsEnhance.io. Nei nostri test, l’output di questi siti è stato di una qualità più mista di quello di Pixelmator (anche se generalmente buono), e gli utenti gratuiti possono elaborare solo un piccolo numero di immagini. Anche Adobe ha rilasciato una funzione di super risoluzione, ma i risultati sono, di nuovo, meno drammatici.
In generale, Pixelmator sembra offrire il miglior strumento commerciale di super risoluzione che abbiamo visto (fateci sapere nei commenti se ne conoscete uno migliore), e ogni giorno, “zoom e migliora” diventa meno di uno scherzo.
Correzione: Una versione precedente di questa storia includeva confronti tra immagini che erano state ridimensionate in modo non distruttivo e poi ingrandite usando ML Super Resolution di Pixelmator, ottenendo risultati irrealisticamente migliori. Questi sono stati rimossi. Ci scusiamo per l’errore.