Maracanazo a color: la hazaña revivida gracias a la inteligencia artificial

Maracanazo a colo

TECNOLOGÍA

A 72 años de la hazaña de la Celeste en Brasil, podemos ver fotos y videos a color gracias a una inteligencia artificial creado por un ingeniero uruguayo

La emoción y la gloria no cambian a pesar del tiempo. Pero sí la forma en la que podemos vivir lo logrado por la selección uruguaya el 16 de julio de 1950. Ya lo sabe: la hazaña más grande del fútbol uruguayo. Gracias a la inteligencia artificial, ahora podemos revivir las imágenes y los videos del Maracanazo a color.

Setenta y dos años después, Héctor Cotelo, especialista en inteligencia artificial y obsesionado por este deporte (es quien mantiene un modelo de predicción para saber qué tan lejos llegará la Celeste en los campeonatos), entrenó un sistema para que coloreara de forma automática archivos audiovisuales.

“Ya hubo gente que coloreó imágenes del último mundial ganado por Uruguay aunque supongo que fue a mano o con editor de imágenes y no usando inteligencia artificial. Y lo que quizás si sea más original y menos visto es ver videos de la época a color”, comentó. El Maracanazo tiene un año más que la primera retransmisión pública en color en la historia (fue en Estados Unidos) y al menos dos décadas más que la masividad de la fotografía a color.

Maracanazo a colo
Maracanazo a color. Foto: H. Cotelo

Por ejemplo, el tradicional informe televisivo “El día que Brasil lloró” ahora tiene colores en las camisetas de los jugadores, en el césped de la cancha del estadio de Maracaná, la vestimenta de los espectadores (hasta el rostro amargado de los brasileros). De esta manera, los colores, las texturas, las luces y las sombras adquieren realismo.

Maracanazo a color
Maracanazo a color. Foto: H. Cotelo

La técnica.

Todo se debe a lo que se conoce como Redes Generativas Adversarias o Antagónicas (o GANs, por su sigla en inglés). La red “generadora” se encarga de aprender la distribución de clases en un set de datos, mientras que la red “discriminadora” distingue entre ejemplos genuinos y artificiales o sintéticos.

Aplicado al arte, esto quiere decir que la primera estudia la distribución de colores en una pintura de Leonardo da Vinci y la segunda sabe diferenciar entre la verdadera Mona Lisa y una copia.

Maracanazo a color
Maracanazo a color. Foto: H. Cotelo

Entonces, para que las camisetas de los goleadores uruguayos Alcides Ghiggia y de Juan Alberto Schiaffino se vean celestes como las reales, la primera intenta engañar a la segunda para que sea más certera.“Es como un juego entre dos jugadores: el generador trata de maximizar la posibilidad de que el discriminador cometa errores y el discriminador de minimizar su error”, apuntó el experto.

En este caso, Cotelo entrenó a la red “generadora” con imágenes a color que se transforman a blanco y negro para que luego haga lo contrario. El segundo paso fue “alimentar” a la red “discriminadora” con imágenes generadas por el generador e imágenes reales.

El resultado es una aproximación de lo que podría haber sido la realidad que vieron los personajes de las fotos y videos en ese instante con cierto grado de probabilidad o confianza.

Maracanazo a color
Maracanazo a color. Foto: H. Cotelo

Esta tecnología, según explicó Cotelo, abrió un mundo de posibilidades en el ámbito de la traducción de imagen a imagen: de imágenes satelitales a Google Maps, de imágenes de día a noche; de foto a pintura artística; de foto de joven a viejo; de imágenes a blanco y negro a imágenes a color y reconstrucción de fotos dañadas. Las GANs también pueden generar imágenes realistas a partir de una descripción textual (en lenguaje natural).

Para el especialista, la aplicación “más obvia” que tienen las GANs es la “data augmentation” y esto es porque “conseguir datos para entrenar modelos suele ser costoso y difícil por lo que mediante esta estrategia podríamos partir de pocos datos para generar muchísimos más”. Un ejemplo de esto es el control de calidad de piezas industriales a partir de imágenes falsas pero realistas para detectar alteraciones.

En el caso de los videos, la inteligencia artificial aprende a colorear cuadro a cuadro para evitar “saltos raros o artefactos” pero no hace ningún manejo de temporalidad, por lo que pinta primero de verde podría verse un segundo después como amarillo.

El resultado, a juicio de Cotelo, es que el modelo devolverá videos “impecables” si la calidad del video original es muy buena; si no lo es, los colores quedan un poco “lavados” pero, de todas formas, cumple muy bien con su propósito”.

Y en este caso es revivir cómo Uruguay se consagró campeón y enmudeció al estadio más importante del fútbol sudamericano.

¿Encontraste un error?

Reportar

Te puede interesar