Nuovo modello deep learning per rimuovere elementi indesiderati dalle fotografie

Una delle immagini usate come esempio dai ricercatori

Ricercatori cinesi della Dalian University of Technology (una delle più importanti università tecnologiche in Cina) e di Adobe Research hanno perfezionato un sistema di “inpainting“: attraverso un modello generativo in deep learning il software è in grado di rimuovere porzioni di fotografie riempiendo lo spazio vuoto in maniera realistica e credibile.

Questo genere di operazioni sono note da tempo, ma venivano eseguite da ritoccatori professionisti attraverso programmi appositi. Da qualche anno sono disponibili dei software per automatizzare o semi-automatizzare la procedura, ma i risultati che offrono lasciano spesso a desiderare, soprattutto in caso di grandi porzioni da rimuovere.

Il sistema messo a punto dai ricercatori cinesi usa una mappa di confidenza che viene aggiornata a ogni iterazione, rendendo il risultato più fedele alle aspettative. Per guardare alcuni esempi è possibile scaricare il paper (in pdf*) o visitare il sito che illustra i risultati dello studio.

(*) Specchio dei tempi? Un quinto della bibliografia allegata alla ricerca è costituito da link a Reddit.

Sono Head of Artificial Intelligence di SNGLR Holding AG, un gruppo svizzero specializzato in tecnologie esponenziali con sedi in Europa, USA e UAE, dove curo i programmi inerenti all'intelligenza artificiale. Dopo la laurea in Management ho conseguito una specializzazione in Business Analytics a Wharton, una certificazione Artificial Intelligence Professional da IBM e una sul machine learning da Google Cloud. Ho trascorso la maggior parte della carriera – trent'anni - nel settore della cybersecurity, dove fra le altre cose sono stato consigliere del Ministro delle Comunicazioni e consulente di Telespazio (gruppo Leonardo). Oggi mi occupo prevalentemente di intelligenza artificiale, con consulenze sull'AI presso aziende private e per la Commissione Europea, dove collaboro con la European Defence Agency e il Joint Research Centre. Questo blog è personale.