La IA dona una segona vida a les fotografies antigues, però també pot inventar-ne els detalls
Les noves eines poden eliminar ratllades, reduir el soroll o reconstruir zones deteriorades, però quan falta informació original generen resultats plausibles que no sempre coincideixen amb la realitat
Les eines d’intel·ligència artificial aplicades a la restauració de fotografies antigues permeten recuperar imatges familiars deteriorades amb una rapidesa que fins fa pocs anys requeria hores de retoc manual. Els sistemes actuals poden detectar ratllades, reduir el soroll, millorar el contrast o reconstruir parts malmeses d’una fotografia.
Aquesta capacitat, però, té un límit. Quan la informació original ha desaparegut, la intel·ligència artificial no pot recuperar-la: genera una reconstrucció basada en patrons apresos prèviament. El resultat pot semblar coherent, però no necessàriament reprodueix amb fidelitat la fotografia original.
Aquesta diferència separa la restauració digital de la recreació generativa i planteja la necessitat de conservar sempre una còpia intacta de la imatge original.
El primer pas és digitalitzar bé la fotografia
Abans d’utilitzar eines d’intel·ligència artificial, les institucions especialitzades en conservació recomanen fer una digitalització de qualitat.
L’Instituto del Patrimonio Cultural de España (IPCE) assenyala que disposar d’una còpia digital permet consultar i compartir una fotografia sense haver de manipular repetidament el suport físic, especialment quan es tracta d’imatges fràgils o deteriorades.
Els Arxius Nacionals dels Estats Units i altres organismes especialitzats recomanen crear una còpia mestra mitjançant un escaneig d’alta resolució, sense filtres, correccions automàtiques de color ni altres retocs.
L’objectiu és conservar una representació digital tan fidel com sigui possible a l’estat actual de la fotografia.
També és recomanable incorporar-hi metadades amb informació sobre les persones que hi apareixen, el lloc o la data en què es va fer la fotografia, sempre que aquestes dades siguin conegudes.
Una altra mesura de protecció és la denominada regla 3-2-1: conservar tres còpies de l’arxiu, en dos tipus de suport diferents i mantenir-ne almenys una en una ubicació externa, com ara un servei d’emmagatzematge al núvol.
Com aprèn la IA a reparar una fotografia
Els sistemes de restauració no interpreten una fotografia de la mateixa manera que una persona. L’ordinador processa la imatge com una quadrícula de píxels representats mitjançant valors numèrics i identifica patrons a partir dels quals intenta corregir els defectes.
Durant l’entrenament d’aquests models, els investigadors poden utilitzar fotografies de bona qualitat i deteriorar-les artificialment amb ratllades, taques, soroll, desenfocament o alteracions de color.
El sistema compara després la imatge deteriorada amb l’original i aprèn quines transformacions permeten aproximar-se a una versió neta.
Quan aquest procés s’aplica a fotografies antigues reals, els problemes es poden dividir en dos grans grups.
Els danys localitzats, com ara ratllades, taques o plecs, es poden tractar reconstruint la zona afectada a partir dels píxels, les textures i els colors que l’envolten.
Els danys generals, com la pèrdua de contrast, el desenfocament o un gra excessiu, es poden abordar mitjançant tècniques de millora i superresolució.
Quan la màquina ha d’imaginar
La diferència és especialment important quan es restauren rostres.
Si una fotografia conserva els trets facials però presenta poca nitidesa, un sistema pot intentar millorar-ne la definició. Però si una part del rostre ha desaparegut completament, l’algoritme no disposa de la informació original necessària per recuperar-la.
En aquests casos, models generatius com GFP-GAN o CodeFormer utilitzen patrons facials apresos durant el seu entrenament per generar ulls, llavis, pestanyes o altres trets compatibles amb la resta de la fotografia.
Això significa que una cara reconstruïda pot resultar visualment coherent sense correspondre exactament a la persona fotografiada.
Un projecte per recuperar fotografies antigues
Un dels treballs de referència en aquest àmbit és Bringing Old Photos Back to Life, presentat el 2020 a la Conferència sobre Visió per Computador i Reconeixement de Patrons (CVPR).
El projecte va ser desenvolupat per investigadors de la City University of Hong Kong, Microsoft Research Asia, Microsoft Cloud AI i la Universitat de Ciència i Tecnologia de la Xina.
Els investigadors van desenvolupar un sistema basat en autocodificadors variacionals (VAE) que transforma les fotografies deteriorades i les imatges netes en representacions matemàtiques denominades espais latents.
A partir d’aquestes representacions, el sistema aprèn a transformar determinats patrons de deteriorament en versions visualment més netes.
L’arquitectura divideix el procés entre una branca global, destinada a corregir problemes com ratllades o taques, i una branca local, orientada a reduir efectes com el soroll o la borrositat.
El principal problema amb les fotografies històriques continua sent que no existeix una còpia original intacta amb què comparar el resultat. Per aquest motiu, no sempre és possible determinar si els detalls reconstruïts coincideixen amb els que contenia la fotografia abans de deteriorar-se.
La colorització també és una interpretació
Una situació semblant es produeix amb les eines que converteixen automàticament fotografies en blanc i negre en imatges en color.
Projectes com Colorful Image Colorization, desenvolupat per Richard Zhang, Phillip Isola i Alexei Efros, utilitzen grans conjunts d’imatges per aprendre quins colors solen correspondre a determinats objectes i escenes.
Això permet generar una colorització visualment plausible, però no saber quin era el color real d’una peça de roba, un vehicle o qualsevol altre objecte si aquesta informació no es conserva en una altra font.
Un algoritme pot interpretar, per exemple, que una jaqueta probablement era blava a partir dels patrons apresos, encara que en realitat fos verda o vermella.
Conservar l’original i identificar les recreacions
Europeana ha advertit que l’ús d’intel·ligència artificial sobre documents històrics pot introduir informació que no existia en l’original i dificultar la distinció entre el document autèntic i una versió modificada.
Per aquest motiu, una pràctica de conservació digital pot diferenciar quatre versions d’una mateixa fotografia: l’original físic, l’escaneig mestre, la restauració conservadora i la recreació generativa o acolorida.
L’original físic s’ha de conservar en condicions adequades i la còpia mestra digital ha de mantenir-se sense modificacions.
A partir d’aquesta còpia es poden crear restauracions destinades a eliminar pols, corregir la inclinació o ajustar la brillantor sense incorporar informació nova.
Les versions en què la IA reconstrueix parts desaparegudes o incorpora color haurien d’identificar-se com a recreacions assistides per intel·ligència artificial, de manera que es pugui diferenciar el contingut registrat originalment de la informació reconstruïda digitalment.
