Un fotógrafo profesional pasa numerosas horas tratando sus imágenes con el fin de darle modificaciones estéticas únicas.
Meero diseña algoritmos que aprenden procesos de creación con el fin de ofrecer una solución rápida, global y aplicable a gran escala.
Para entregar decenas de millares de fotografías por día, Meero ha necesitado desarrollar un proceso de retoque y mejora de la imágen sin intervención externa. Fundamentándose sobre los últimos avances de búsqueda y aprendizaje automatizado, se ha posibilitado la automatización de retoques manuales utilizando tecnología despuntante.
El problema más dedicado a considerar es desarrollar un algoritmo que produce las mismas transformaciones globales y locales que un especialista en retoque. El experto de Meero en el ámbito y la base de datos de 25 millones de imágenes únicas en el mundo, ha constituido una base sólida para trabajar sobre modelos de aprendizaje automáticos
Meero pone en práctica técnicas de aprendizaje profundas utilizando una doble red de neuronas convolutivas. Esto explica la extracción de características imágenes globales y locales sobre una base de análisis multiescala. El objetivo es de hacer a nuestro algoritmo aprender minuciosamente las diferentes etapas de perfeccionamiento ejercidos por profesionales de la imágen, y de hacerle robusto a variaciones de iluminación (como balance de blancos o de tonalidades), de semántica, y de fallos de captura (por ejemplo, el ruido o la falta de nitidez).
Además del aspecto estético de una foto, la inteligencia artificial de Meero es también capaz de transformar las características visuales de una imágen en información cuantitativa y valorizable, utilizando siempre técnicas de aprendizaje profundo. La base de datos de Meero comporta anotaciones semánticas, que son utilizadas como mejoras estéticas. Mezclando imágenes con metadata y describiendo regiones de intereses y de clases de objeto, se vuelve posible predecir para cada nueva imágen si un objeto está presente en este último, todo esto en una fracción de segundo.
¿Cómo un algoritmo puede mostrar resultados similares a los de un fotógrafo profesional de una tarea tan compleja como subjetiva? La respuesta reside en el principio de aprendizaje descenso y gradiente. Utilizando una red de neuronas profundas que imita el funcionamiento del cerebro, Meero es capaz de utilizar inteligentemente el error reenviado por este último antes mismo de que su fase de aprendizaje. El cálculo de su gradiente es realizado vía sus métodos de optimización conveza. Además, Meero utiliza el teorema de la derivación de funciones compuestas con el fin de corregir este error. Partiendo del fin hacia el principio de redes neuronales convolutivas, y repitiendo esta operación millones de veces gracias a la base de datos Meero, el algoritmo propietario del aprendizaje profundo muestra sus resultados tan buenos como los de un fotógrafo profesional en material de retoques.
