Durante décadas, la coloración de imágenes ha tenido un interés permanente por parte del público. Aunque no sin su cuota de detractores, hay algo poderoso en este simple acto de agregar color a las imágenes en blanco y negro, ya sea una forma de unir recuerdos entrelas generaciones, o expresar creatividad artística. Sin embargo, el proceso de agregar color manualmente puede llevar mucho tiempo y requerir experiencia, con procesos profesionales típicos que requieren horas o días por imagen para perfeccionarse. Un equipo de investigadores ha propuesto una nueva técnica para aprovechar profundamenteredes e IA, lo que permite a los principiantes, incluso aquellos con capacidad artística limitada, producir rápidamente resultados razonables.
La investigación, titulada "Colorización guiada por el usuario en tiempo real con prioridades profundas aprendidas", es autor de un equipo en UC Berkeley dirigido por Alexei A. Efros, profesor de ingeniería eléctrica y ciencias de la computación. Presentarán su trabajo en SIGGRAPH 2017, que destaca lo más innovador en investigación de gráficos por computadora y técnicas interactivas en todo el mundo. La conferencia anual se llevará a cabo en Los Ángeles, del 30 de julio al 3 de agosto.
En trabajos anteriores, el equipo entrenó a una red profunda en grandes datos visuales un millón de imágenes para colorear automáticamente las imágenes en escala de grises, sin intervención del usuario. Si bien los resultados a veces fueron muy buenos, era propenso a ciertos artefactos. Una limitación importanteera que el color de muchos objetos, por ejemplo, camisas, puede ser intrínsecamente ambiguo. El sistema solo podría finalmente decidir una posibilidad.
"El objetivo de nuestro proyecto anterior era obtener una coloración única y plausible", dice Richard Zhang, coautor y candidato a doctorado, asesorado por el profesor Efros. "Si al usuario no le gustó el resultado o si quería cambiarlo"algo, no tuvieron suerte. Nos dimos cuenta de que potenciar al usuario y agregarlo en el ciclo era en realidad un componente necesario para obtener resultados deseables ".
La nueva red está entrenada en una imagen en escala de grises, junto con entradas de usuario simuladas. El sistema mejora los sistemas de coloración automática anteriores al permitirle al usuario, en tiempo real, corregir y personalizar la coloración. El usuario proporciona orientación agregando colorespuntos, o "sugerencias", que el sistema luego propaga al resto de la imagen. La red también aprende colores comunes para diferentes objetos y hace recomendaciones apropiadas al usuario. Aunque el nuevo sistema solo se entrena en imágenes naturales, por ejemplo, los elefantes son típicamente marrones o grises: el sistema también se complace en seguir los caprichos del usuario, lo que permite una coloración inmediata. Por ejemplo, un elefante rosa, aunque no natural, no está fuera de los límites.
Para evaluar el sistema, los investigadores probaron su interfaz en usuarios novatos, desafiándolos a producir una coloración realista de una imagen en escala de grises seleccionada al azar. Incluso con un entrenamiento mínimo y tiempo limitado, solo un minuto por imagen, estos usuarios aprendieron rápidamentecómo producir coloraciones que a menudo engañaban a los jueces humanos reales en un escenario de prueba real versus falso.
Las redes profundas se utilizan cada vez más en gráficos. Quizás después de superar los desafíos pendientes, como la racionalización del uso de memoria y los requisitos de hardware, junto con la integración con herramientas de edición de imágenes existentes, un sistema como este podría encontrar su camino en herramientas comerciales para imágenesmanipulación.
Fuente de la historia :
Materiales proporcionados por Asociación de Maquinaria de Computación . Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :