Esta web es capaz de convertir tus dibujos, por lamentables que sean, en imágenes reales. Todo mediante el aprendizaje automático y la aplicación de redes neuronales.

Por muy mal que dibujes, el aprendizaje automático de las máquinas puede crear imágenes muy realistas a partir de simples trazos. Eso puede acabar muy bien, o tremendamente mal.

Anteriormente hemos visto cómo los ”sueños” de la inteligencia artificial de Google son más raros de lo que pensábamos, así como el uso del Deep Learning para llenar de color fotografías en blanco y negro. Un desarrollador ha creado una especie de traductor de dibujos a imágenes y puedes ponerlo a prueba.

Gatitos creados por máquinas, y dan mucho miedo creados

edificio ia

Christopher Hesse, su creador, le ha puesto el nombre de Image-to-Image Demo y lo ha desarrollado aprovechando TensorFlow. Recordemos que TensorFlow es una librería o ‘conjunto de tareas’ que Google desarrolló y que puso a disposición de cualquiera, sirviendo para avanzar en el estudio del aprendizaje automático de las máquinas (machine learning).

Pues bien, usando Tensorflow y pix2pix, ha creado una web que es capaz de transformar un conjunto de trazos o cuadros simples, en animales, edificios y otros objetos con apariencia totalmente real (o no). Digamos que la máquina sabe qué se está tratando de expresar y utiliza todo lo que ya sabe, todas las imágenes que tiene en su base de datos, para comparar y dar una imagen nueva basada en tu dibujo.

Por ejemplo, en el primer experimento puedes crear fachadas de edificios dibujando todos los elementos. Eso sí, no se lleva nada bien con los espacios vacíos, como podrás comprobar.

Ahora bien, la verdadera fiesta está en el apartado de “edges2cats”, es decir, transformar tus dibujos en imágenes de gatos reales, y para ello utiliza más de 2.000 fotos de gatos de las que ha aprendido las formas y elementos que conforman uno de estos adorables animales.

Digamos que el resultado puede dar un poco de miedo:

gatos ia 2

gatos ia

Del mismo modo funcionan los generadores de zapatos o bolsos. En el primer caso el aprendizaje automático se basa en más de 50.000 zapatos de referencia, mientras que para el segundo se utilizan más de 130.000 bolsos para aprender e interpretar los trazos más simples en fotografías.

El uso de Deep Learning con imágenes tiene usos muy interesantes, como mejorar la tecnología de reconocimiento en imágenes, la misma que le permite a Google saber qué hay en tus fotos, si estás en la playa o en una ciudad concreta solo por el contexto.