La súper resolución de AI te permite "hacer zoom y mejorar"Pixelmator Pro

El tropo “ampliar y mejorar” es un cliché de TV , pero los avances en IA lo están haciendo realidad. Los investigadores han demostrado que el aprendizaje automático puede ampliar imágenes de baja resolución, restaurando detalles que antes no existían. Ahora, esta tecnología está llegando a los consumidores, con el editor de imágenes Pixelmator entre los primeros en ofrecer dicha función.

El competidor de Photoshop anunció hoy lo que llama “ ML Super Resolution ” para la versión Pro de $ 60 de su software: una función que, según la compañía, puede escalar una imagen hasta tres veces su resolución original sin imagen defectos como pixelación o borrosidad.

La súper resolución AI agrega nitidez perdida a las imágenes borrosas

Después de nuestras pruebas, diríamos que esta afirmación necesita algunas advertencias. Pero en general, el rendimiento de la función de súper resolución de Pixelmator es extremadamente impresionante.

La pixelación se suaviza en una variedad de imágenes, desde la ilustración hasta la fotografía y el texto. Los resultados son mejores que los que ofrecen los algoritmos de escalamiento tradicionales, y aunque el proceso no es instantáneo (tomó alrededor de ocho segundos por imagen en nuestra MacBook Pro 2017), es lo suficientemente rápido como para ser una bendición para los diseñadores y editores de imágenes de todas las bandas.

Observe el siguiente ejemplo, con la imagen de baja resolución a la izquierda y la versión de súper resolución a la derecha. Es fácil ver cómo la herramienta ha suavizado el texto borroso y los huesos del esqueleto:

Aquí hay otra sección de la misma imagen. Nuevamente, la diferencia es dramática, pero los inconvenientes de la súper resolución también son más obvios. La imagen procesada es suave y caricaturesca, con una sensación casi plastilina en los bordes.

Si aplicamos la súper resolución a un retrato fotográfico, los defectos se hacen más notorios, especialmente en una imagen ampliada como la que se muestra a continuación. En este ejemplo, las características de la cara se han suavizado hasta el punto de que la imagen final se ve caricaturesca.

Estos efectos son menos notables cuando se usan entradas de mayor resolución. En el ejemplo porcino a continuación, la mejora de AI es más suave, agregando una nitidez natural a los detalles finos en el pelaje:

Para algunas imágenes, es útil la tendencia al sobreenfoque. Basta con mirar las dos imágenes a continuación de un poema llamado “Goodtime Jesus”. El original es un desastre borroso, mientras que la versión de súper resolución se ve fantástica.

Si desea más ejemplos, puede dirigirse al blog de Pixelmator para ver comparaciones paralelas con las técnicas tradicionales de aumento de escala como los algoritmos Bilinear, Lanczos y Nearest Neighbour. Si bien ML Super Resolution no es una varita mágica, ofrece resultados consistentemente impresionantes.

El algoritmo aprende a predecir nuevos detalles píxel por píxel

La investigación sobre la superresolución ha estado en curso durante algún tiempo, con compañías tecnológicas como Google y Nvidia creando sus propios algoritmos en los últimos años. En cada caso, el software está entrenado en un conjunto de datos que contiene pares de imágenes de baja resolución y alta resolución. El algoritmo compara estos datos y crea reglas sobre cómo cambian los píxeles de una imagen a otra. Luego, cuando se muestra una imagen de baja resolución que nunca antes se había visto, predice qué píxeles adicionales se necesitan y los inserta.

Los creadores de Pixelmator le dijeron a The Verge que su algoritmo fue creado desde cero para ser lo suficientemente liviano como para ejecutarse en los dispositivos de los usuarios. Tiene solo 5 MB de tamaño, en comparación con los algoritmos de investigación que a menudo son 50 veces más grandes. Está capacitado en una variedad de imágenes para anticipar las diferentes necesidades de los usuarios, pero el conjunto de datos de capacitación es sorprendentemente pequeño: solo se necesitaron 15,000 muestras para crear la herramienta de súper resolución ML de Pixelmator.

La compañía no es la primera en ofrecer esta tecnología comercialmente. Hay una serie de herramientas de súper resolución de un solo uso en línea, que incluyen BigJPG.com y LetsEnhance.io . En nuestras pruebas, la salida de estos sitios fue de una calidad más mixta que la de Pixelmator (aunque en general fue buena), y los usuarios gratuitos solo pueden procesar una pequeña cantidad de imágenes. Adobe también ha lanzado una función de súper resolución, pero los resultados son, nuevamente, menos dramáticos .

En general, Pixelmator parece ofrecer la mejor herramienta comercial de súper resolución que hemos visto (háganos saber en los comentarios si conoce una mejor), y todos los días, “hacer zoom y mejorar” se convierte en una broma menor .

 

 

James Vincent