Las imágenes submarinas tienden a estar borrosas y algo distorsionadas, ya que la luz no «circula» por el agua de la misma manera que lo hace por el aire.
Este problema lo sufren siempre los submarinistas, quienes realizan fotografías del fondo marino y obtienen una ausencia de detalles en los colores que impide realizar los análisis adecuados.
Ahora son investigadores de la Universidad de Ingeniería de Harbin en China quienes idearon un algoritmo de aprendizaje automático que genera imágenes realistas de agua, junto con un segundo algoritmo que se entrena en esas imágenes para restaurar el color natural y reducir la turbidez. Dicen que es capaz de procesar más de 125 cuadros por segundo que se ejecutan en una sola tarjeta gráfica.
El equipo señala que la mayoría de los algoritmos de mejora de imágenes subacuáticas (como los que ajustan el balance de blancos) no se basan en modelos de imágenes físicas, lo que los hace poco adecuados para la tarea. Por el contrario, este enfoque aprovecha una red de confrontación generativa (GAN), un modelo de IA que consiste en un generador que intenta engañar a un discriminador para que clasifique muestras sintéticas como muestras del mundo real, para producir un conjunto de imágenes de sitios de encuestas específicas que se alimentan en un segundo algoritmo, llamado U-Net.
El equipo entrenó a la GAN con 3.733 imágenes y mapas de profundidad, principalmente de vieiras, pepinos de mar, erizos de mar y otros organismos similares que viven en granjas marinas cubiertas. También obtuvieron conjuntos de datos abiertos, incluida NY Depth, que comprende miles de fotografías subacuáticas en total.
Como resultado: restauración de color uniforme y buena recuperación de imágenes en tonos verdes sin destruir la estructura subyacente de la imagen de entrada original.