El tropo de «ampliar y mejorar» es un cliché televisivo, pero los avances en IA lo están convirtiendo poco a poco en una realidad. Los investigadores han demostrado que el aprendizaje automático puede ampliar las imágenes de baja resolución, restaurando la nitidez que antes no existía. Ahora, esta tecnología está llegando a los consumidores, con el editor de imágenes Pixelmator entre los primeros en ofrecer tal función.
El competidor de Photoshop ha anunciado hoy lo que llama «Superresolución ML» para la versión Pro de 60 dólares de su software: una función que, según la compañía, puede escalar una imagen hasta tres veces su resolución original sin defectos de imagen como el pixelado o la borrosidad.
Después de nuestras pruebas, diríamos que esta afirmación necesita algunas advertencias. Pero, en general, el rendimiento de la función de superresolución de Pixelmator es impresionante.
La pixelación se suaviza en una serie de imágenes, desde la ilustración hasta la fotografía y el texto. Los resultados son mejores que los ofrecidos por los algoritmos tradicionales de aumento de escala, y aunque el proceso no es instantáneo (tardó unos ocho segundos por imagen en nuestro MacBook Pro de 2017), es lo suficientemente rápido como para ser una bendición para los diseñadores y editores de imágenes de todo tipo. A continuación se muestran algunos ejemplos de Pixelmator, con una imagen de baja resolución ampliada a la izquierda, y la imagen procesada de Superresolución ML a la derecha:
Puedes ver más imágenes en el blog de Pixelmator, incluyendo comparaciones con técnicas de ampliación tradicionales como los algoritmos Bilineal, Lanczos y Vecino más cercano. Aunque la superresolución ML no es una varita mágica, ofrece resultados impresionantes de forma constante.
La investigación sobre la superresolución lleva tiempo en marcha, con empresas tecnológicas como Google y Nvidia creando sus propios algoritmos en los últimos años. En cada caso, el software se entrena con un conjunto de datos que contiene pares de imágenes de baja y alta resolución. El algoritmo compara estos datos y crea reglas sobre cómo cambian los píxeles de una imagen a otra. Entonces, cuando se le muestra una imagen de baja resolución que nunca ha visto antes, predice qué píxeles adicionales son necesarios y los inserta.
Los creadores de Pixelmator dijeron a The Verge que su algoritmo se hizo desde cero para que fuera lo suficientemente ligero como para funcionar en los dispositivos de los usuarios. Tiene un tamaño de sólo 5 MB, en comparación con los algoritmos de investigación que suelen ser 50 veces más grandes. Se ha entrenado con una serie de imágenes para anticiparse a las diferentes necesidades de los usuarios, pero el conjunto de datos de entrenamiento es sorprendentemente pequeño: sólo se han necesitado 15.000 muestras para crear la herramienta de superresolución ML de Pixelmator.
La empresa no es la primera en ofrecer esta tecnología comercialmente. Hay una serie de herramientas de súper resolución de un solo uso en línea, incluyendo BigJPG.com y LetsEnhance.io. En nuestras pruebas, el resultado de estos sitios era de una calidad más desigual que el de Pixelmator (aunque en general era bueno), y los usuarios gratuitos sólo pueden procesar un pequeño número de imágenes. Adobe también ha lanzado una función de superresolución, pero los resultados son, de nuevo, menos dramáticos.
En general, Pixelmator parece ofrecer la mejor herramienta comercial de superresolución que hemos visto (háganos saber en los comentarios si conoce una mejor), y cada día, «ampliar y mejorar» se convierte en una broma.
Corrección: Una versión anterior de este artículo incluía comparaciones entre imágenes que habían sido reducidas de forma no destructiva y luego aumentadas con la Superresolución ML de Pixelmator, lo que daba lugar a resultados irrealmente mejorados. Estos resultados han sido eliminados. Lamentamos el error.