O tropo “ampliar e melhorar” é um cliché de televisão, mas os avanços na IA estão lentamente a torná-lo realidade. Pesquisadores têm mostrado que a aprendizagem da máquina pode ampliar imagens de baixa resolução, restaurando a nitidez que não existia antes. Agora, esta tecnologia está fazendo seu caminho para os consumidores, com o editor de imagens Pixelmator entre os primeiros a oferecer tal recurso.
O concorrente do Photoshop anunciou hoje o que chama de “ML Super Resolution” para a versão Pro de $60 de seu software: uma função que a empresa diz que pode escalar uma imagem até três vezes sua resolução original sem defeitos de imagem como pixelação ou indefinição.
Após nossos testes, diríamos que esta afirmação precisa de algumas advertências. Mas em geral, o desempenho da super-resolução do Pixelmator é impressionante.
Pixelação é suavizada em uma gama de imagens, da ilustração à fotografia e ao texto. Os resultados são melhores do que os obtidos pelos tradicionais algoritmos de upscaling, e embora o processo não seja instantâneo (levou cerca de oito segundos por imagem no nosso MacBook Pro 2017), é rápido o suficiente para ser um trunfo para designers e editores de imagem de todas as listras. Há alguns exemplos abaixo do Pixelmator, com uma imagem ampliada em baixa resolução à esquerda, e a imagem processada ML Super Resolution à direita:
Você pode ver mais imagens no blog do Pixelmator, incluindo comparações com técnicas tradicionais de redimensionamento como os algoritmos Bilinear, Lanczos, e Nearest Neighbor. Embora o ML Super Resolution não seja uma varinha mágica, ele fornece resultados consistentemente impressionantes.
Pesquisa em super-resolução já vem sendo feita há algum tempo, com empresas de tecnologia como Google e Nvidia criando seus próprios algoritmos nos últimos anos. Em cada caso, o software é treinado em um conjunto de dados contendo pares de imagens de baixa resolução e alta resolução. O algoritmo compara esses dados e cria regras para como os pixels mudam de imagem para imagem. Então quando é mostrada uma imagem de baixa resolução nunca antes vista, ele prevê quais pixels extras são necessários e os insere.
Os criadores do Pixelmator disseram ao The Verge que seu algoritmo foi feito do zero para ser leve o suficiente para rodar nos dispositivos dos usuários. São apenas 5MB de tamanho, em comparação com os algoritmos de pesquisa que muitas vezes são 50 vezes maiores. É treinado em uma gama de imagens a fim de antecipar as diferentes necessidades dos usuários, mas o conjunto de dados de treinamento é surpreendentemente pequeno – apenas 15.000 amostras foram necessárias para criar a ferramenta ML Super Resolution do Pixelmator.
A empresa não é a primeira a oferecer esta tecnologia comercialmente. Há uma série de ferramentas de super resolução de uso único online, incluindo BigJPG.com e LetsEnhance.io. Em nossos testes, a saída destes sites foi de uma qualidade mais mista do que a do Pixelmator (embora tenha sido geralmente boa), e os usuários gratuitos só podem processar um pequeno número de imagens. Adobe também lançou um recurso de super resolução, mas os resultados são, novamente, menos dramáticos.
Overall, o Pixelmator parece estar oferecendo a melhor ferramenta comercial de super resolução que já vimos (avise-nos nos comentários se você souber de uma melhor), e a cada dia, “zoom and enhance” se torna menos uma piada.
Correção: Uma versão anterior desta história incluía comparações entre imagens que tinham sido não destrutivamente reduzidas e depois aumentadas usando a Super Resolução ML do Pixelmator, resultando em resultados irrealistamente melhorados. Estes foram removidos. Nós lamentamos o erro.