Si una cosa se le está dando cada vez mejor a la inteligencia artificial es la generación de imágenes. Basándose en un modelo inicial las inteligencias...
#2 Pero no podría usarse en un juicio porque a saber si la IA se inventa cosas que no estaban en la realidad. Para tonterías de mejorar fotos viejas sí parece útil, pero para mejorar fotos médicas, como dicen, no lo veo
#4 Parece dificil que funcione en fotos medicas a corto plazo, puesto que basicamente se basa en tener un corpus de datos lo suficientemente grande como para tener una distribución de la que poder tomar "ejemplos" para rellenar los datos que faltan cuando se le presenta una imagen nueva. Es decir, como hay MUCHAS caras normales, es posible generar caras normales a partir de la distribucion aprendida.
Con imágenes medicas, seguramente sea posible generar imagenes realistas de gente SANA, pero la parte interesante de la imagen medica son las anomalías, y esas no están representadas apropiadamente en ninguna base de datos. Como generar datos realistas de un tumor, si todos ellos son prácticamente únicos y no hay MILLONES de imagenes de tumores similares para aprender una distribucíon apropiada?
#5 En realidad eso es bastante realista, más teniendo en cuenta que era el futuro. Yo en muchos trabajos utilizo imágenes con resolución variable incluida. Es decir, puedo tener un archivo de 4000x4000 que contiene dentro, en un área específica, una imagen de otros 4000x4000.
Imagina un gran paredón de roca caliza de un ortomosaico hecho con un drone, y dentro de éste, tengo un plano detalle de una planta rupícola de otros 4000x4000 que puede incluir resolución incluso de sus estructuras florales.
Eso me permite tener una imagen de alta resolución de una zona interesante, formando parte de una imagen de baja resolución que sólo me interesa como ubicación.
Entre un salto y otro podría hacer falta un pequeño reprocesado para que el programa extraiga esa info, de ahí ese retraso de renderizado.
Todo es genial aunque luego en la práctica te envían un pdf de 900 megas con una imagen que te tumba el ordenador cada vez que quieres abrirla...
¿El uso de esto? Efectivamente, mejorar fotografías tomadas por los usuarios es una aplicación directa y clara para esto. Por ejemplo para mejorar la resolución de las fotografías tomadas con cámaras móviles, que no siempre son las mejores. Sin embargo también puede ser de utilidad en otros sectores como la medicina para mejorar las fotografías médicas.
Y una leche... el uso va a ser buscar fotos de tías con las tetas pixeladas en instagram y ponerlas en alta resolución....
Pero esta tecnología es peligrosa porque tiene una pega muy grande: Cuando tomas una foto y le reduces el tamaño, la información se pierde. Imagínate que haces una foto a un plato con un grano de arroz en medio. Al reducir la foto, el grano simplemente desaparece.
La AI que escala el original desconoce la información que había originalmente en la foto y se ha perdido y se inventa información hasta rellenar la resolución solicitada (en base a las imágenes de entrenamiento de objetos similares etc etc). La imagen reconstruída no se parece al original, sino que se parece a la media estadísticas de imágenes similares. Pueden no aparecer partes vitales o aparecer artefactos inesperados.
Esto impide que el sistema se utilice como compresión y recuperación de fotos. O debería impedirlo, porque estoy seguro de que a alguien se le ocurrirá la brillante idea. Y el mayor peligro que veo es que acabaremos confiando en que las imágenes reconstruídas por estos métodos representan el original, y temo que acabarán teniendo validez legal, y se puede montar una gorda. "Pero señor juez, la reconstrucción fotográfica demuestra que no había ningún grano de arroz envenenado en el plato, el acusado es inocente"
#12 Pues no, no es realista. Tu no trabajas con una imagen, trabajas con un fichero que contiene las 3 imágenes, la maquina de Blade Runner trabaja con una imagen química (parece una antigua polaroid) y el grano del papel (la resolución) es todo lo que hay. Aparte que la maquina también comete otro error, usa el reflejo del espejo para ver "detrás" de un objeto, cosa que es imposible en una imagen bidimensional (y no dicen que sea especial como un holograma o algo así)
Si se consiguen esos resultados en tiempo real y sin necesidad de mucha potencia de cálculo le veo bastantes posibilidades:
Almacenamiento de vídeos y fotos en 720p / 2000 píxeles pero salida en pantalla en 4k, etc. Para la memoria interna y para ahorrar coste de servidores de servicios de streaming sería un gran logro.
Procesamiento de gráficos en juegos en baja resolución y generación posterior de vídeo en alta resolución mediante chip gráfico específico.
#23 Nop, en realidad es una única imagen Y te digo más... es realista que vea lo que hay detrás del objeto. No sabemos cómo hicieron esa foto, podría contener una información similar a la fotogrametría. E incluso sin tenerlo... a partir de una imagen 2D hoy día ya hay técnicas que permiten una separación en capas y una reconstrución volumétrica.
Yo mismo, personalmente, he utilizado con éxito ese tipo de técnicas para análisis de riesgo costero...
#1 considerando como ha sido publicado en muchos sitios que habitualmente la IA está sesgada a favor de las personas blancas y perjudica a negros y asiáticos, es posible que no funcione correctamente.
Igualmente, viendo el vídeo de ejemplo debo decir que la chica negra lo hace bastante bien. Quizás esta vez se hayan preocupado de tener imágenes de entrenamiento más representativas respecto a lo que suele haber
Algo muy parecido hemos tenido hace muy poco delante de nuestras narices, pero siendo algo español no se le dio importancia, porque claro... podría ser publicidad, no como lo de Google, lo de Google no es publicidad y además son americanos y eso tiene que molar. Google bien, español... na. Y así con todo. www.meneame.net/story/upscaling-extremo-foto-carnets-famosos-uhd-4k
#1 A mí me gustaría que despixelara el pr0n, y que de un fotograma (o de una foto de una actriz, o de mi prima) generara una película X entera. Y si tiene golpes de humor, mejor.
#23 me has recordado que hay teorias para dar y tomar sobre esa escena y cómo se podría realizar. Las conclusiones van en la linea de interpretar la luz como si se usase un sonar con el que descifrar las partes ocultas de la imagen por como distorsionan la luz que rebota desde ellas en las partes que si son visibles de la imagen
#4 Exactamente, ese es el problema, que es una imagen "inventada", y para muchas cosas puede ser util, pero en si misma tampoco puede ser una prueba. Mientras no se olvide eso, no hay problema.
Por ejemplo, utilizar una imagen de mala calidad de una cámara para hacer un retrato "robot", que al fin y al cabo es conceptualmente lo mismo: una imagen "inventada". Y que se use preguntar a los testigos o buscar fotos parecidas en redes sociales. Eso podría ser util, pero luego habría que filtrar sospechosos e investigar si se obtienen otras pruebas que sí sean concluyentes.
#38 Investigador y profesor universitario en vision por computador e inteligencia artificial
Tenemos ahora mismo un proyecto justo en este campo, evaluar si los metodos generativos (GANs y tal) sirven para generar datos útiles para complementar las bases de datos con pacientes, a ser posible manteniendo la privacidad (es decir, sin que generemos siempre el tumor del mismo paciente).
Desafortunadamente, no tenemos nada claro que se pueda hacer con el conocimiento actual.
#40 yo soy de la misma opinión que tu, no creo que sirva para el diagnóstico, hay muchas entradas distintas que pueden dar la misma salida, aunque de todas formas, la regeneración que calcula la IA puede ser MUY buena:
Así como encontrar el origen de 1 pixel (la matriz de 16x16 píxeles de la imagen en alta resolución), a priori, puede parecer muy complicado que sea veraz, hay que tener en cuenta que la IA puede tener en cuenta también los píxeles adyacentes, descartando un montón de matrices 16x16 que serían válidas, pero inválidas para las matrices adyacentes.
Supongo que esta reflexión ya la debéis haber tenido en cuenta.
Tanto pequeño detalle es necesario en medicina? No les interesa saber si hay manchas, con qué tono, en qué cantidad, etc, y no tanto la forma exacta de cada una de las manchas?
#42 No digo que no sean utiles. Depende del caso de uso, como todo.
La segmentación de tejidos de forma tan precisa como sea posible es definitivamente importante.
Es posible que los algoritmos de superresolucion sean utiles en muchos casos, pero en cualquier caso, siempre están limitados cuanto más lejos estés de la distribución general que has usado para entrenar.
Mucho bonito en las pruebas, pero la realidad es muy distinta. Siguen creyendo que puden convertir una foto de 32x32 en una de 4K sin deformar completamente la foto.
#4 A saber no, seguro, usa la información que tiene y la que no tiene se la inventa con los datos que tiene de la imagen actual y de otras similares. Por ejemplo, si un pixel oculta un lunar muy posiblemente lo descubra por la diferencia de tonalidad con los adyacentes, pero si el lunar tiene una forma peculiar es imposible que adivine qué forma tiene. Por muy buena que sea no va a descubrir la imagen que se refleja en tus ojo a partir de una imagen en la que tus ojos son unos pocos pixeles, ni si tu lunar tiene los bordes irregulares o no en una imagen en la que un pixel es mucho más grande que todo tu lunar, tal vez detectará un lunar y se inventará un lunar, sin ningún parecido con el original, pero en el mismo sitio.
#15 Joder, si la IA lo que hace es rellenar con información plausible (se inventa algo que más o menos encaja), lo último que querría es aplocarlo a imágenes médicas…
ai.googleblog.com/2021/07/high-fidelity-image-generation-using.html?m=
o el paper
iterative-refinement.github.io/
Con imágenes medicas, seguramente sea posible generar imagenes realistas de gente SANA, pero la parte interesante de la imagen medica son las anomalías, y esas no están representadas apropiadamente en ninguna base de datos. Como generar datos realistas de un tumor, si todos ellos son prácticamente únicos y no hay MILLONES de imagenes de tumores similares para aprender una distribucíon apropiada?
Alguien conoce otras gratuitas?
Imagina un gran paredón de roca caliza de un ortomosaico hecho con un drone, y dentro de éste, tengo un plano detalle de una planta rupícola de otros 4000x4000 que puede incluir resolución incluso de sus estructuras florales.
Eso me permite tener una imagen de alta resolución de una zona interesante, formando parte de una imagen de baja resolución que sólo me interesa como ubicación.
Entre un salto y otro podría hacer falta un pequeño reprocesado para que el programa extraiga esa info, de ahí ese retraso de renderizado.
Todo es genial aunque luego en la práctica te envían un pdf de 900 megas con una imagen que te tumba el ordenador cada vez que quieres abrirla...
twitter.com/Siberian_644/status/1432349414941773830?s=19
Y una leche... el uso va a ser buscar fotos de tías con las tetas pixeladas en instagram y ponerlas en alta resolución....
La AI que escala el original desconoce la información que había originalmente en la foto y se ha perdido y se inventa información hasta rellenar la resolución solicitada (en base a las imágenes de entrenamiento de objetos similares etc etc). La imagen reconstruída no se parece al original, sino que se parece a la media estadísticas de imágenes similares. Pueden no aparecer partes vitales o aparecer artefactos inesperados.
Esto impide que el sistema se utilice como compresión y recuperación de fotos. O debería impedirlo, porque estoy seguro de que a alguien se le ocurrirá la brillante idea. Y el mayor peligro que veo es que acabaremos confiando en que las imágenes reconstruídas por estos métodos representan el original, y temo que acabarán teniendo validez legal, y se puede montar una gorda. "Pero señor juez, la reconstrucción fotográfica demuestra que no había ningún grano de arroz envenenado en el plato, el acusado es inocente"
EDIT: #9 muestra otro problema.
No es gratuita, pero tiene un periodo de prueba de un mes.
iterative-refinement.github.io/
Almacenamiento de vídeos y fotos en 720p / 2000 píxeles pero salida en pantalla en 4k, etc. Para la memoria interna y para ahorrar coste de servidores de servicios de streaming sería un gran logro.
Procesamiento de gráficos en juegos en baja resolución y generación posterior de vídeo en alta resolución mediante chip gráfico específico.
Yo mismo, personalmente, he utilizado con éxito ese tipo de técnicas para análisis de riesgo costero...
Igualmente, viendo el vídeo de ejemplo debo decir que la chica negra lo hace bastante bien. Quizás esta vez se hayan preocupado de tener imágenes de entrenamiento más representativas respecto a lo que suele haber
Más: tuscriaturas.miraheze.org/wiki/Ayuda:Generar_imágenes_con_VQGAN+CLIP#
¡En CSI tenían equipos capaces de hacer palidecer a los ordenadores cuánticos y jamas lo apreciamos lo bastante!
www.meneame.net/story/upscaling-extremo-foto-carnets-famosos-uhd-4k
mis dieses
(eres programador, no?)
Por ejemplo, utilizar una imagen de mala calidad de una cámara para hacer un retrato "robot", que al fin y al cabo es conceptualmente lo mismo: una imagen "inventada". Y que se use preguntar a los testigos o buscar fotos parecidas en redes sociales. Eso podría ser util, pero luego habría que filtrar sospechosos e investigar si se obtienen otras pruebas que sí sean concluyentes.
Tenemos ahora mismo un proyecto justo en este campo, evaluar si los metodos generativos (GANs y tal) sirven para generar datos útiles para complementar las bases de datos con pacientes, a ser posible manteniendo la privacidad (es decir, sin que generemos siempre el tumor del mismo paciente).
Desafortunadamente, no tenemos nada claro que se pueda hacer con el conocimiento actual.
No que sean onerosas, es que se ha entrenado con rasgos faciales.
Así como encontrar el origen de 1 pixel (la matriz de 16x16 píxeles de la imagen en alta resolución), a priori, puede parecer muy complicado que sea veraz, hay que tener en cuenta que la IA puede tener en cuenta también los píxeles adyacentes, descartando un montón de matrices 16x16 que serían válidas, pero inválidas para las matrices adyacentes.
Supongo que esta reflexión ya la debéis haber tenido en cuenta.
Tanto pequeño detalle es necesario en medicina? No les interesa saber si hay manchas, con qué tono, en qué cantidad, etc, y no tanto la forma exacta de cada una de las manchas?
La segmentación de tejidos de forma tan precisa como sea posible es definitivamente importante.
Es posible que los algoritmos de superresolucion sean utiles en muchos casos, pero en cualquier caso, siempre están limitados cuanto más lejos estés de la distribución general que has usado para entrenar.
Al final todo esto es un mundo !
Saluos.