Índice analítico[Ocultar][Mostrar]
A fotografía computacional é un campo que experimentou moitos avances nos últimos anos.
O potencial do que se pode facer coas imaxes creceu exponencialmente desde mellores algoritmos de procesamento de imaxes ata un hardware de cámara máis sofisticado.
Pero chegamos a un extremo?
Hai algo máis que se poida facer para superar os límites do que é posible coas fotos?
Vexamos algúns dos últimos desenvolvementos da fotografía computacional e vexamos a onde nos pode levar o futuro.
Que é realmente a fotografía computacional?
Antes de entrar no que é posible, é importante comprender a fotografía computacional. En palabras sinxelas, a fotografía computacional é un tipo de procesamento de imaxes que toma unha fotografía e fai que pareza diferente.
Moita xente refírese a isto como manipulación de imaxes, pero iso é un pouco enganoso. O obxectivo final non é cambiar a imaxe senón facer unha fotografía e facer algo con ela.
É importante entender que a manipulación de imaxes non ten que facerse en tempo real. Moita fotografía computacional realízase fóra de liña e só se aplica á imaxe final.
É un termo amplo, e úsase para describir moitas cousas diferentes.
Por exemplo, moitas persoas pensan que a fotografía computacional consiste en facer imaxes HDR. Pero iso non é totalmente certo.
A fotografía computacional pódese aplicar a unha gran variedade de situacións fotográficas diferentes. Úsase para cousas como retoques creativos, imaxes con resolución súper, mellorar a fotografía con pouca luz, crear efectos de profundidade de campo e moito máis.
Úsase para facer moito máis que para facer excelentes fotos para Instagram. A NASA utilízao para sacar definicións nas fotos tomadas no espazo.
Técnicas de fotografía computacional
O Gran Push
O auxe da fotografía dixital a finais dos 90 e principios dos 2000 levou a novas técnicas de procesamento de imaxes. Moitas destas técnicas foron desenvolvidas para permitir unha mellor manipulación das imaxes.
Nos últimos anos, vimos cada vez máis destas técnicas aplicadas a problemas do mundo real.
O exemplo máis coñecido disto é a aplicación da fotografía computacional a problemas como a vibración da cámara e as aberracións da lente. Pódense usar moitas técnicas para eliminar o desenfoque non desexado dunha imaxe, e a fotografía computacional fixo isto posible para moitas cámaras.
Deepfakes
Este é un dos exemplos máis evidentes de ata onde chegamos no campo da fotografía computacional. O termo profundo refírese á práctica de utilizar técnicas de aprendizaxe profunda para sintetizar imaxes falsas que parecen reais.
O primeiro deepfakes desenvolvéronse a principios dos anos 2000, pero a chegada da IA provocou a recente onda de popularidade.
Esta foi unha gran preocupación para a industria tecnolóxica. Un estudo do Washington Post descubriu que, dos 1,000 usuarios de Internet enquisados, o 40 por cento estivera exposto a falsificacións profundas.
Isto incluía moitas celebridades, políticos e mesmo persoas das súas familias. O informe tamén descubriu que os deepfakes usáronse para difundir información falsa e que moitas veces se usaban para burlarse das persoas.
Varios métodos diferentes poden crear falsos profundos, pero a técnica máis coñecida chámase GAN (rede adversaria xerativa). Este tipo de aprendizaxe profunda utilízase para xerar imaxes falsas que parecen realistas.
Este tipo de imaxes adoitan denominarse "noticias falsas".
Aínda que o termo en si é inexacto, é innegable o feito de que se utilicen deepfakes para difundir información errónea. As imaxes son convincentes, e é moi doado deixarse atrapar na idea de que son reais.
É por iso que a tecnoloxía foi prohibida en moitos lugares.
Por exemplo, os deepfakes están prohibidos en Australia en plataformas de redes sociais e nalgúns lugares de traballo. A Oficina do Comisionado de Información do Reino Unido tamén o dixo deepfakes son ilegais o seu uso en calquera traballo de "natureza comercial ou profesional".
Aínda que os deepfakes son actualmente ilegais, é importante ter en conta que a tecnoloxía aínda está na súa infancia. O feito de que aínda se estea desenvolvendo significa que aínda hai moito espazo para crecer.
Por exemplo, o estudo do Washington Post descubriu que só a metade das persoas están expostas deepfakes eran conscientes de que eran falsos.
HDR
A fotografía de alto rango dinámico (HDR) é unha técnica que permite capturar imaxes cun rango dinámico máis amplo do que é posible coa fotografía convencional.
As imaxes HDR adoitan capturarse usando varias exposicións e a técnica existe desde hai moito tempo. Foi recentemente cando a tecnoloxía foi o suficientemente avanzada como para permitir capturar imaxes HDR nunha única toma.
Un dos usos máis coñecidos da fotografía HDR é a astrofotografía.
Os astrónomos capturan imaxes cunha única exposición. As imaxes combínanse para crear unha imaxe composta cun rango dinámico moito máis amplo do que é posible cunha única exposición.
Beneficios da fotografía computacional:
O uso da fotografía computacional ten moitos beneficios, e é importante entendelos se vas utilizar a tecnoloxía na túa fotografía. Aquí tes algúns dos maiores beneficios:
Mellor calidade de imaxe
Un dos maiores beneficios da fotografía computacional é facer que as túas imaxes se vexan mellor. Hai unha serie de técnicas diferentes que se poden usar para mellorar a calidade da imaxe dunha foto.
Estes inclúen técnicas como a eliminación de ruído, a estabilización de imaxe e a redución de ruído.
Morpho segue mellorando a fotografía computacional e #AI software para fotógrafos de teléfonos intelixentes. # Cumio Snapdragon pic.twitter.com/NhmwMfqT8a
- Qualcomm (@Qualcomm) Decembro 2, 2020
A tecnoloxía tamén permite mellorar a calidade da imaxe das fotos que foron tomadas con cámaras antigas.
Isto débese a que moitas das técnicas antigas utilizadas para facer que as imaxes se vexan mellor non se poden implementar nas cámaras máis novas.
Captura de imaxes máis rápida
Un dos beneficios máis obvios da fotografía computacional é que toma imaxes máis rápido que a fotografía tradicional.
A fotografía computacional permite que gran parte do traballo necesario para facer unha foto se faga no ordenador. Isto inclúe cousas como a redución de ruído, a corrección da cor e a corrección da lente.
Resolución aumentada
Outro beneficio da fotografía computacional é que pode facer posible capturar imaxes con maior resolución que a posible coa fotografía tradicional.
A tecnoloxía baséase en moitos dos mesmos principios que a fotografía HDR e pódese usar para crear imaxes cun amplo rango dinámico.
Isto significa que é posible capturar imaxes cunha resolución máis alta que a fotografía tradicional. É posible capturar imaxes que sexan polo menos 4 veces máis grandes do que serían se a imaxe fose tomada cunha cámara tradicional.
Que tipo de fotografía computacional AI usa?
A fotografía computacional impulsada por intelixencia artificial é unha tecnoloxía moi nova e só algunhas empresas ofrecen actualmente o servizo. Hai dous tipos principais de fotografía computacional alimentada por IA.
Superresolución (SR)
SuperResolution é unha técnica que permite crear imaxes de alta resolución que son moito máis nítidas que a imaxe orixinal. Usa AI para combinar varias imaxes de baixa resolución nunha única imaxe de alta resolución.
HDR
As imaxes HDR adoitan capturarse usando varias exposicións e a técnica existe desde hai moito tempo. Foi só recentemente que a tecnoloxía foi o suficientemente avanzada como para permitir capturar imaxes HDR nunha soa toma.
Retinex
É unha técnica de fotografía computacional desenvolvida por James D. MacKenzie e que se usa en varias cámaras profesionais. A técnica baséase en varios dos mesmos principios que a fotografía HDR e pódese usar para crear imaxes cun amplo rango dinámico.
Retinex úsase para crear imaxes cun amplo rango dinámico. Retinex é o tipo máis coñecido de fotografía computacional AI, pero non é o único.
Conclusión
Estamos chegando a un punto no que a fotografía computacional é cada vez máis extrema. Con tecnoloxía como o modo retrato e o modo cinematográfico no iPhone 13 pro, agora podemos crear fotos e vídeos que semellan tomados cunha cámara DSLR de gama alta.
A medida que esta tecnoloxía siga mellorando, imos crear imaxes aínda máis realistas.
Como cres que a fotografía computacional cambiará a forma en que tomamos fotos no futuro?
Deixe unha resposta