Se si è mai scattata una foto in condizioni di scarsa luminosità, probabilmente si è riscontrato l'effetto sgranato che può rovinarne l'effetto finale. Un nuovo strumento basato sull'intelligenza artificiale potrebbe rivelarsi un metodo incredibilmente semplice per risolvere questo disturbo, con la possibilità di riprodurre automaticamente una foto "sana" dopo aver analizzato la versione danneggiata.

L'intelligenza artificiale in questione è stata costruita dai ricercatori di Nvidia, del MIT e della Aalto University della Finlandia, che si sono impegnati a migliorare i recenti lavori nel campo dell'apprendimento automatico e dell'elaborazione delle immagini. Fino ad ora le  reti neurali erano in grado di scansionare un'immagine sgranata in parallelo alla sua versione pulita e, conseguentemente, utilizzare l'apprendimento automatico per colmare il divario tra le due foto. 

La loro soluzione invece, soprannominata Noise2Noise, è in grado di produrre un'immagine chiara senza dover analizzare una versione pulita originale, rimuovendo automaticamente artefatti, disturbi e grana. Il team ha sviluppato lo strumento formandolo su un catalogo di 50.000 immagini e lo ha testato su tre diversi set di dati comprendenti immagini di diversi tipi.

"È possibile imparare a ripristinare i segnali senza dover osservare quelli chiari ", hanno affermato i ricercatori nel loro articolo. "La rete neurale è alla pari con i metodi più avanzati che fanno uso di obiettivi chiari, utilizzando esattamente la stessa metodologia di allenamento, spesso senza inconvenienti in termini di tempo di training o prestazioni."

Questo tipo di strumento oltre a poter un giorno rendere i feed di Instagram molto più interessanti, nel campo della scienza potrebbe anche avere un impatto piuttosto significativo. Le immagini mediche catturate dalla risonanza magnetica e le immagini spaziali catturate da determinati strumenti scientifici sono due esempi di immagini tipicamente sgranate che potrebbero beneficiare di questo tipo di tecnologia.

"Ci sono diverse situazioni nel mondo reale in cui ottenere training data chiari è difficile: la fotografia in condizioni di scarsa illuminazione (ad es. immagini astronomiche), certe visualizzazioni basate sulla fisica e le immagini delle risonanze magnetiche", afferma il team. "Le nostre dimostrazioni proof-of-concept aprono la strada a significativi potenziali  benefici in queste applicazioni, eliminando una potenzialmente difficile raccolta di dati chiari. Naturalmente nulla è gratis, non è possibile raccogliere funzionalità che non ci sono nei dati di input, ma ciò vale anche per il training su obiettivi chiari."

Un documento di ricerca che descrive questa tecnologia è disponibile online, con il lavoro che i ricercatori presenteranno durante la Conferenza Internazionale sull'Apprendimento Automatico a Stoccolma, Svezia, questa settimana.

12 luglio 2018