Consiguen transferir el estilo de una fotografí­a a otra con redes neuronales

Publicado el

Muestras de resultados de la transferencia de estilos
Muestras de resultados de la transferencia de estilos

Ya hemos hablado en más de una ocasión de las transferencias de estilos, y de aplicaciones que hacen uso de las mismas, como Prisma o Artisto. Para quienes no sepan aún lo que son las transferencias de estilos básicamente indicarles que se trata de una técnica de la Inteligencia Artificial que aplica estilos de una imagen a otra. Hasta ahora las transferencias de estilos aplicaban estilos pictóricos a fotografí­as.

Y decimos hasta ahora porque llegan avances en el segmento de las trasferencias de estilos gracias a investigaciones desarrolladas por investigadores de la Universidad de Cornell junto con Adobe, consiguiendo transferir estilos de una fotografí­a a otra. En esencia, lo que se ha hecho es aplicar otra capa de redes neuronales para expandir las posibilidades de las transferencias de estilos, donde la nueva capa se fija en los bordes de una misma imagen, o sea, los bordes que separan un objeto de otro, para generar el estilo que llevará a otra imagen fotográfica.

Señalar al respecto que pese a los avances, todaví­a sigue habiendo una serie de limitaciones, donde se consiguen mejores resultados con edificios que con rostros. Es probable que a lo largo del tiempo se puedan seguir llevando otras investigaciones para expandir las posibilidades de esta técnica, que está en proceso de maduración. Ya sólo queda que los avances llegue más temprano que tarde a todos los usuarios, por lo que estando detrás Adobe es probable que la técnica pueda llevarse a sus aplicaciones de edición gráfica en algún momento para que fotógrafos y diseñadores, entre otros, puedan disponer de resultados sorprendentes.

Todos los avances a los que se acaba de llegar en estas investigaciones están expuestos y documentados en un trabajo llamado Deep Photo Style Transfer, disponible para su consulta, mientras que el código del algoritmo desarrollado está disponible a través de la plataforma GitHub.

Comparte en: