Convierten una foto en imagen en movimiento mediante Machine Learning
Partiendo de una única foto, y sin contar con ninguna otra imagen adicional como referencia, investigadores de la Universidad de Washington han logrado generar un vídeo a través del machine learning, la capacidad de aprendizaje inteligente de una red neuronal.
El machine learning permite a una inteligencia artificial poder aprender por sí sola
Se trata de un proceso automatizado de tratamiento de imágenes que, sin necesidad de contar con material adicional de referencia, permite generar nuevas imágenes que encajen con la proporcionada originariamente hasta generar las suficientes como para obtener un vídeo que muestre movimiento donde no lo había en el material original.
El procedimiento guarda algunas similitudes en cuanto al resultado con respecto a lo que hace poco consiguió MyHeritage, dotando de movimiento a antiguas fotos en blanco y negro (aunque evidentemente también puede aplicarse a una fotografía reciente), haciendo que los antepasados puedan «volver a la vida» a modo de GIF animados. En este caso los investigadores han logrado un espectacular resultado con el movimiento de elementos de la naturaleza como las nubes, el agua o el humo, que cobran vida de un modo completamente realista en medio de una fotografía en la que el resto del paisaje aparece estático.
Cómo funciona el aprendizaje automático aplicado a la fotografía
Como todo proceso de aprendizaje automático, este que ha llevado a cabo la Escuela Paul G. Allen de Ciencias de la Computación y la Ingeniería perteneciente a la Universidad de Washington comienza con el adiestramiento de una red neuronal alimentándola con centenares de vídeos de ríos, cascadas y hasta de mares y océanos, de manera que pudiera aprender por sí sola los fundamentos del aspecto de masas de agua en movimiento.
En un primer momento el aprendizaje se basa en predecir, partiendo de un video, cuál será el aspecto de un fotograma posterior. Como en este caso sí se dispone de dicho fotograma, la red neuronal es capaz de comprobar su tasa de acierto y corregir los errores para mejorar en el siguiente intento, con lo que paulatinamente es capaz de arrojar resultados cada vez más próximos a la realidad. El siguiente paso es mostrar una imagen estática a partir de la cual elaborar cuál sería el siguiente fotograma en base al patrón de movimientos de masas de agua deducido.
Por el momento el resultado de ese proceso de machine learning resulta my realista y tan sólo pequeños detalles (como la refracción de la luz en determinados puntos) pueden dar pistas de que no se trata de una imagen real, pero todo podrá corregirse aumentando el periodo de aprendizaje y suministrando a la red neuronal aún más vídeos de masas de agua en movimiento.
