Accade spesso, guardando un film o l’episodio di una serie TV, di vedere investigatori e tecnici scoprire dettagli importanti a proposito di un’indagine ingrandendo un’immagine in modo esagerato , inspiegabilmente senza perdita di qualità e senza dover fare i conti con i limiti della sua risoluzione. Un giorno non troppo lontano potrebbe essere possibile anche nella realtà, grazie al machine learning.
Tutti sanno che aumentare la risoluzione di un’immagine tramite upsampling causa inevitabilmente una sua perdita di qualità, poiché i pixel originariamente non esistenti vengono creati per interpolazione. Di fatto vengono inventati dal software (che sia Photoshop o altro) sulla base di quelli adiacenti. Il sistema Rapid and Accurate Image Super-Resolution (RAISR) sviluppato dal team Google Research evolve questo approccio grazie all’intelligenza artificiale, consentendo di aumentare le dimensioni di un’immagine non solo preservandone la qualità e la definizione, ma addirittura incrementandola. Di seguito un primo esempio.
Il sistema è stato addestrato partendo da un database contenente 10.000 coppie di immagini, ognuna formata da una foto in bassa risoluzione e dallo stesso scatto in alta risoluzione. Il software le ha analizzate tutte, creando dei filtri tali da poter elaborare le prime in modo da farle somigliare a quelle non compresse. Una volta imparata questa dinamica, RAISR è in grado di applicarla ad un’immagine di qualunque tipo, mettendo in atto il processo descritto di seguito.
Una tecnologia di questo tipo potrebbe essere impiegata per aumentare la qualità delle immagini scattate con fotocamere di basso livello oppure per migliorare i dettagli visualizzati in seguito ad un pinch-to-zoom. Ancora, RAISR potrebbe tornare utile per risparmiare traffico dati, permettendo agli utenti di trasmettere una foto compressa, dunque con dimensioni inferiori rispetto all’originale, lasciando che sia il dispositivo di chi la riceve ad effettuarne l’upsampling.