Google presenta su apasionante tecnología para mejorar fotografías de poca resolución

RAISR

El «machine learning» es otra de las tendencias en las que nos encontramos en estos momentos y supone que nos podamos aventajar de ella para obtener unas mejores recomendaciones a la hora de escuchar esas listas de reproducción de música en Google Play Music. Ayer mismo estábamos comentando la jugada de la gran G con la nueva actualización y ese machine learning que irá conociendo más de ti según uses más la aplicación.

Ahora quiere usar ese motor para lo que son todas esas fotografías que se encuentran limitadas por la resolución del dispositivo o por lo reducido de la memoria interna de un dispositivo. Google no quiere dejar pasar la oportunidad que es que se necesiten cada vez unas fotografías de mayor resolución, debido a que las pantallas, como las de las smart TV o las de las phablet, las exigen. Es por ello que ha introducido la técnica llamada RAISR.

«RAISR: Rapid and Accurate Imagen Super-Resolution»

Es una técnica que incorpora el machine learning para así producir versiones de alta calidad de imágenes de baja resolución. RAISR produce resultados que son comparables a o mejor que los métodos disponibles de super resolución, e incluso mejora el tiempo de realización de 10 a 100 veces. Esta rapidez en el proceso permite que estén disponibles en un dispositivo a tiempo real. Incluso más adelante, esta técnica permitirá evitar la recreación de los artefactos de aliasing o dentado que existen en imágenes de baja resolución.

Desde hace unos años existe una técnica llamada Upsampling, que produce una imagen de mayor tamaño con mayor número de píxeles y una mayor calidad en la imagen desde una de baja resolución. Una técnica que se vale de métodos lineales que rellenan los valores de un nuevo píxel al usar combinaciones de los valores que rodean a ese mismo. Este método es rápido porque son filtros lineales. Aunque lo que hace que sean rápidos, consigue que sea no tan efectivos a la hora de presentar detalles vívidos en resultados de mayor resolución. La imagen a continuación lo muestra perfectamente.

Upsampled

Cómo funciona RAISR

RAISR usa el machine learning con un par de imágenes, una de baja calidad y otra de alta, para encontrar filtros que, cuando son aplicados de forma selectiva a cada pixel de la imagen de menor resolución, recreará detalles que son comparables a la calidad del original. RAISR puede ser «entrenado de dos formas». La primera es un método directo, en el que los filtros son aprendidos directamente desde la pareja de imágenes de baja y alta resolución. El otro método pasa un filtro parecido al método «upsampler» a la imagen de baja resolución y entonces «aprende» los filtros del pase dado y la imagen de alta resolución.

RAISR

Sea el método que sea, los filtros de RAISR están «entrenados» de forma acorde a las características de los «picos» encontrados en pequeños parches de imágenes, como pueden ser degradados de color/brillo, regiones texturizadas o planas y más, que se caracterizan por la dirección, potencia y coherencia.

RAISR

En definitiva, en tiempo real RAISR selecciona y aplica los filtros más relevantes de la lista de los aprendidos de cada pixel vecino en la imagen de baja resolución. Cuando esos filtros son aplicados a la imagen de peor calidad, recrea detales que son comparables en calidad a la original de alta resolución. Esto lo que consigue es eliminar los artefactos de dentado como patrones Moire y más.

A día de hoy, el uso de machine learning, en un tandme de décadas de avances en la tecnología de la imagen, ha permitido el progreso en el procesado de imágenes que yace en una gran variedad de potenciales beneficios. Uno de los ejemplos dados por Google sería para mejorar el gesto de «pinch to zoom» o «pellizco» en el teléfono, que conseguiría que se podría capturar, guardar o transmitir imágenes en una menor resolución para que llegara a su destino finalmente en su resolución adecuada y de gran calidad. Esto significaría un gran ahorro en los datos usados en la transferencia y en los planes de almacenamiento.


Sé el primero en comentar

Deja tu comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

*

*

  1. Responsable de los datos: Actualidad Blog
  2. Finalidad de los datos: Controlar el SPAM, gestión de comentarios.
  3. Legitimación: Tu consentimiento
  4. Comunicación de los datos: No se comunicarán los datos a terceros salvo por obligación legal.
  5. Almacenamiento de los datos: Base de datos alojada en Occentus Networks (UE)
  6. Derechos: En cualquier momento puedes limitar, recuperar y borrar tu información.