La IA aprende a captar pistas inesperadas para diferenciar las imágenes originales de sus reflejos. Foto: Cornell University.
Investigadores de Cornell University han descubierto que las aplicaciones de inteligencia artificial logran hallar diferencias entre una imagen real y su reflejo que pasan inadvertidas para el ojo humano, y que tampoco son detectadas por otras tecnologías.
De acuerdo a una nota de prensa, los algoritmos empleados en la inteligencia artificial son capaces de descubrir detalles que no se tenían en cuenta al momento de comparar las imágenes originales de sus reflejos. Por ejemplo, hallan mínimas variantes en aspectos estéticos de una persona, como su cabello o su barba, o también en el ángulo de su mirada.
Los científicos partieron de un concepto claro: el universo y todo aquello que vemos no es perfectamente simétrico. Existen diferencias que son evidentes y otras que nuestros ojos no alcanzan a apreciar, por eso ser humano se ha esforzado en desarrollar tecnologías que puedan evidenciar estas variantes entre imágenes, reflejos y copias.
En este caso, el estudio desarrollado por los expertos de la universidad norteamericana se sustenta en la noción de quiralidad (chirality, en inglés). Se trata de un término definido por la ciencia como la propiedad que tiene todo objeto de no superponerse con exactitud con la imagen que le devuelve el espejo.
A partir de allí, los autores de la investigación (titulada precisamente “Visual Chirality”) se centraron en aplicar este concepto al mundo de la inteligencia artificial, descubriendo que esta rama de la informática posee un gran potencial para optimizar el reconocimiento de las diferencias que se presentan entre imágenes reales y reflejos.
De acuerdo a una nota de prensa, los algoritmos empleados en la inteligencia artificial son capaces de descubrir detalles que no se tenían en cuenta al momento de comparar las imágenes originales de sus reflejos. Por ejemplo, hallan mínimas variantes en aspectos estéticos de una persona, como su cabello o su barba, o también en el ángulo de su mirada.
Los científicos partieron de un concepto claro: el universo y todo aquello que vemos no es perfectamente simétrico. Existen diferencias que son evidentes y otras que nuestros ojos no alcanzan a apreciar, por eso ser humano se ha esforzado en desarrollar tecnologías que puedan evidenciar estas variantes entre imágenes, reflejos y copias.
En este caso, el estudio desarrollado por los expertos de la universidad norteamericana se sustenta en la noción de quiralidad (chirality, en inglés). Se trata de un término definido por la ciencia como la propiedad que tiene todo objeto de no superponerse con exactitud con la imagen que le devuelve el espejo.
A partir de allí, los autores de la investigación (titulada precisamente “Visual Chirality”) se centraron en aplicar este concepto al mundo de la inteligencia artificial, descubriendo que esta rama de la informática posee un gran potencial para optimizar el reconocimiento de las diferencias que se presentan entre imágenes reales y reflejos.
Máxima precisión en el reconocimiento de imágenes
Los integrantes del equipo de Cornell University desarrollaron un mapa de calor que identifica las áreas de una imagen que pueden ser más significativas para que los algoritmos de inteligencia artificial puedan hallar diferencias, concluyendo sobre el grado de similitud entre una imagen original y un reflejo.
Los científicos destacan que estos algoritmos logran una precisión de hasta un 90% en la detección de las diferencias analizadas, pudiendo aplicarse en objetos, rostros y otras partes del cuerpo humano, como así también para cotejar imágenes de dudosa veracidad que puedan aparecer en Internet y estén relacionadas con investigaciones policiales o forenses.
Aunque todavía existen aspectos a mejorar, el hallazgo sería de gran utilidad en el perfeccionamiento de los sistemas de aprendizaje automático enfocados al reconocimiento de imágenes, eliminando errores que se podrían estar cometiendo con otras tecnologías de menor precisión y exactitud.
Hay que tener en cuenta que estos mecanismos necesitan de una gran cantidad de información visual para poder optimizar la clasificación e identificación de las imágenes, por lo tanto el aporte de datos más precisos y confiables por parte de la inteligencia artificial facilitaría avances considerables en estos procesos.
No cabe duda que áreas como la seguridad, la investigación judicial o la domótica podrían verse favorecidas con este innovador sistema de inteligencia artificial, capaz de alcanzar el máximo posible de precisión al momento de detectar las diferencias más sutiles entre las imágenes.
Los integrantes del equipo de Cornell University desarrollaron un mapa de calor que identifica las áreas de una imagen que pueden ser más significativas para que los algoritmos de inteligencia artificial puedan hallar diferencias, concluyendo sobre el grado de similitud entre una imagen original y un reflejo.
Los científicos destacan que estos algoritmos logran una precisión de hasta un 90% en la detección de las diferencias analizadas, pudiendo aplicarse en objetos, rostros y otras partes del cuerpo humano, como así también para cotejar imágenes de dudosa veracidad que puedan aparecer en Internet y estén relacionadas con investigaciones policiales o forenses.
Aunque todavía existen aspectos a mejorar, el hallazgo sería de gran utilidad en el perfeccionamiento de los sistemas de aprendizaje automático enfocados al reconocimiento de imágenes, eliminando errores que se podrían estar cometiendo con otras tecnologías de menor precisión y exactitud.
Hay que tener en cuenta que estos mecanismos necesitan de una gran cantidad de información visual para poder optimizar la clasificación e identificación de las imágenes, por lo tanto el aporte de datos más precisos y confiables por parte de la inteligencia artificial facilitaría avances considerables en estos procesos.
No cabe duda que áreas como la seguridad, la investigación judicial o la domótica podrían verse favorecidas con este innovador sistema de inteligencia artificial, capaz de alcanzar el máximo posible de precisión al momento de detectar las diferencias más sutiles entre las imágenes.
Referencia
Visual Chirality. Zhiqiu Lin, Jin Sun, Abe Davis and Noah Snavely. CVPR (2020).DOI:https://doi.org/10.1109/CVPR42600.2020.01231
Visual Chirality. Zhiqiu Lin, Jin Sun, Abe Davis and Noah Snavely. CVPR (2020).DOI:https://doi.org/10.1109/CVPR42600.2020.01231