Face Depixelizer es un interesante invento (basado en otro llamado PULSE) que consiste en regenerar un rostro a partir de una imagen de pocos píxeles. Es algo así como el «sueño de los CSI» y de los guionistas de series y películas: sacar algo de donde no hay, algo teórica y aparentemente imposible. Con la diferencia de que esto «funciona»… Más o menos.
Lo que hace el algoritmo basado en redes neuronales es básicamente crear un «rostro realista» a resolución aceptable que al ser reducido produzca la misma imagen pixelada que se utiliza como imagen de entrada, buscando que al mismo tiempo sea un rostro «perceptualmente realista». Lo que sucede es que esos rostros son en cierto modo inventados, como esas caras generadas mediante inteligencia artificial detrás de las cuales no hay una persona real. Se busca que el resultado final encaje… pero no siempre es algo exacto, porque puede haber muchas características diferentes del rostro que encajen con una misma reducción de tamaño.
Uno de los contraejemplos más claros es la despixelación del rostro de Barack Obama, que para los humanos resulta perfectamente reconocible incluso sumamente pixelado. ¿El problema? Al parecer el conjunto de datos con el que se ha entrenado la red neuronal está sesgado hacia las personas de raza blanca, de modo que tiende a mostrar resultados muy diferentes para las imágenes pixeladas de personas negras o asiáticas. Probablemente ampliando los datasets de entrenamiento la cosa podría mejorar un poco.
La gente se ha entretenido probando incluso con personajes de videojuegos y cómics, con resultados bastante raros cuando menos.
Está claro que es una herramienta interesante pero que no sirve como sistema mágico de identificación de personas pixeladas, ni ayudará mucho a los CSI ni a la Policía, como han planteado algunos respecto a las consideraciones éticas del algoritmo. La cuestión de fondo es en realidad, como decía @Sindero, que nos resulta muy fácil darnos cuenta de esos sesgos con solo mirar algunos de los resultados pero, ¿podríamos detectarlo tan fácilmente en un algoritmo de evaluación de hipotecas, o de riesgos médicos?
Relacionado:
