¿Qué significa de verdad la "IA" de un upscaler con IA?

Hoy la etiqueta "IA" aparece en tantos productos que es lógico preguntarse qué significa en un upscaler de imágenes. Aquí significa algo concreto: la herramienta contiene un modelo, un gran conjunto de números obtenido mediante entrenamiento, que ha aprendido cómo suele ser el detalle fino y usa ese conocimiento para rellenar píxeles que un redimensionado normal solo puede emborronar. Es una diferencia real que se puede ver y medir. También tiene una trampa que conviene entender antes de fiarse del resultado. Este artículo explica las dos cosas con palabras sencillas.

La versión corta

Un redimensionado normal trata la foto como una cuadrícula de números y suaviza entre ellos. Un upscaler con IA reconoce patrones en esos números (un borde, un mechón de pelo, la curva de una letra) y dibuja cómo suelen ser esos patrones a mayor resolución. El primero solo puede hacer una imagen más grande. El segundo puede hacerla más grande y más nítida, porque aporta conocimiento que viene de fuera de tu foto.

Una comparación

Imagina que pides a dos personas que vuelvan a dibujar una imagen pequeña y borrosa a cuatro veces su tamaño. La primera es muy cuidadosa, pero nunca ha visto una fotografía: agranda cada mancha de color tal cual es y suaviza las transiciones. El resultado es grande, fiel y blando. La segunda ha visto millones de fotos. Cuando ve una línea oscura, fina y algo borrosa junto a un ojo, sabe que casi seguro es una pestaña, y dibuja una pestaña nítida. Cuando ve un degradado suave entre dos colores en el borde de un objeto, dibuja un límite limpio.

La versión de la segunda persona se ve mucho mejor. Pero también es en parte su interpretación: donde el desenfoque era demasiado fuerte para saber qué había, dibujó lo que suele haber. Ese es, en pocas palabras, un upscaler con IA, trampa incluida.

Lo que aprendió de verdad el modelo

El modelo de un upscaler con IA se entrena mostrándole parejas de imágenes: una foto nítida de alta resolución y una copia reducida y degradada de la misma foto. Su tarea es convertir la copia pequeña otra vez en el original. Al principio lo hace mal. Después de cada intento, sus números internos se ajustan un poco para hacerlo mejor. Si repites eso millones de veces con una enorme variedad de fotos, los números acaban guardando una especie de experiencia visual: cómo continúan los bordes, cómo son las texturas de cerca, cómo se resuelve normalmente un escalón borroso entre colores.

Lo importante es que el modelo no guarda las fotos de entrenamiento ni busca nada en ningún sitio. Ha aprendido patrones generales, igual que tú sabes cómo es un gato sin haber memorizado gatos concretos. Cuando le das tu foto, le aplica esos patrones.

El modelo de nuestro upscaler de imágenes es ESRGAN-slim, una versión compacta de un modelo de investigación muy conocido, lo bastante pequeño para descargarlo en un navegador y ejecutarlo en la tarjeta gráfica de tu ordenador. Nuestro artículo sobre cómo funciona la ampliación de imágenes con IA entra en la parte técnica: el entrenamiento, los mosaicos y por qué la versión para navegador tiene el tamaño que tiene.

Por qué un filtro no puede hacer lo mismo

A veces se da por hecho que un upscaler con IA no es más que un redimensionado seguido de un enfoque fuerte. Esa idea se puede comprobar, y no se sostiene. El enfoque aumenta el contraste en los bordes que ya existen; no puede dibujar un borde que no está, y en una ampliación borrosa produce halos ásperos en lugar de detalle.

Comparamos las dos cosas directamente. Redujimos un retrato a 480 × 480 píxeles y lo ampliamos a 4x con el redimensionado de alta calidad del propio navegador y con nuestro modelo de IA, y luego medimos el detalle de los bordes en la cara. El redimensionado obtuvo 3,0; la versión con IA, 34,7, unas once veces más. Más elocuente que el número: la versión con IA tenía pestañas separadas y bordes limpios en los dientes, cosas que ningún filtro de enfoque puede sacar de un desenfoque suave.

AntesDespués

La trampa: dónde está adivinando la IA

Como el modelo dibuja lo que suele haber, a veces dibujará algo que no hay. En nuestra prueba con el retrato, los ojos y el pelo salieron convincentes, pero la piel quedó más lisa que en una foto real de alta resolución. La textura fina y aleatoria, como los poros, se sustituyó por algo creíble pero más simple. Es lo habitual, y en una foto familiar muchas veces se agradece.

Importa más en otras situaciones:

• Caras muy pequeñas. Una cara de 20 píxeles de ancho no tiene información suficiente para saber cómo es la persona. El modelo producirá una cara, no necesariamente la suya.
• Textos y números demasiado pequeños para leerse en el original. El modelo puede producir caracteres nítidos que sean los caracteres equivocados.
• Cualquier tipo de prueba. Una imagen ampliada es una reconstrucción creíble, no un registro. No la uses para leer una matrícula, identificar a alguien o demostrar un detalle.

Una regla útil: haz zoom al 100 % en el original. Si ahí distingues el detalle que te importa, aunque sea a grandes rasgos, el upscaler lo reproducirá bien. Si no, todo lo que añada es invención.

Cómo saber si una herramienta usa IA de verdad

Como "IA" vende, algunas herramientas llaman así a un redimensionado normal con enfoque. Tres formas de comprobarlo:

1. Compara con un redimensionado normal. Amplía la misma foto en cualquier editor de imágenes y en la herramienta, y compara al 100 %. Un modelo de superresolución de verdad produce bordes y texturas visiblemente más nítidos, no solo más contraste.
2. Fíjate en la velocidad. Una red neuronal tarda segundos por imagen en una tarjeta gráfica, y la primera vez suele implicar descargar un modelo. Un resultado instantáneo con una foto grande suele ser un redimensionado clásico.
3. Lee lo que dice la herramienta de sí misma. La nuestra te indica después de cada trabajo qué motor se usó: el modelo de IA o el motor clásico. Decimos claramente que en móviles y tabletas siempre se usa el motor clásico, porque los navegadores móviles no dan a las páginas web memoria gráfica suficiente para el modelo. En un ordenador de sobremesa o portátil, las fotos de hasta unos 10 megapíxeles pasan por la IA.

Lo que "IA" no significa

No significa la nube. Muchas herramientas con IA suben tu foto a un servidor, pero el modelo puede funcionar igual de bien en tu propio dispositivo. El nuestro funciona en tu navegador; la foto nunca se sube.

No significa que la herramienta aprenda de tus fotos. El modelo se entrenó antes de llegar a ti y no cambia cuando lo usas. Tus fotos no se usan para entrenar nada y, en nuestro caso, nunca salen de tu ordenador.

No significa que entienda tu foto. El modelo no tiene ni idea de que la persona de la imagen es tu abuelo, ni de lo que dice la etiqueta de un producto. Reconoce patrones visuales y nada más.

No significa que pueda arreglarlo todo. La foto movida, el desenfoque y la compresión fuerte eliminan información. El modelo puede hacer esas fotos más grandes y algo más limpias, pero no puede recuperar lo que nunca se registró.

Por qué unas fotos salen mejor que otras

El conocimiento del modelo es desigual, porque refleja lo que vio durante el entrenamiento. Lo que aparece constantemente en las fotos (caras, pelo, piel, tela, follaje, cielo, los bordes de los objetos cotidianos, el texto impreso) es donde mejor funciona, porque ha visto incontables ejemplos de cómo se ve de cerca. El contenido poco habitual recibe menos ayuda: planos técnicos, patrones raros, letra manuscrita, texturas muy específicas. Con eso, el modelo recurre a su comportamiento general de definir bordes, y la ventaja frente a un redimensionado normal es menor.

El tipo de daño también importa. El modelo se entrenó para deshacer la blandura que aparece al reducir una imagen, y los modelos entrenados con daños más realistas también se defienden con algo de ruido y compresión. No se entrenó para deshacer el movimiento de la cámara ni un objetivo enfocado en lo que no era, así que esos resultados decepcionan, sea cual sea la herramienta.

Por eso también dos upscalers pueden quedar en distinto orden con fotos distintas. Uno puede llevarse mejor con las caras y otro con el texto o los paisajes. Si sueles ampliar un tipo de imagen concreto, vale la pena probar un par de herramientas con algunos ejemplos tuyos en lugar de fiarte de una clasificación general. La prueba más justa es reducir una foto nítida tuya a una cuarta parte de su tamaño y ver qué herramienta se acerca más al original al volver a ampliarla.

En resumen: la "IA" es real y medible, y es conocimiento sobre las fotos en general aplicado a la tuya. Trata su resultado como una estimación excelente, no como un registro.

Sacar el máximo partido a la parte de IA

• Dale un original limpio. El modelo trata los bloques de compresión como detalle y puede ampliarlos. El original de la cámara gana siempre a la copia de una app de chat.
• Usa el factor más pequeño que llegue a tu objetivo. Cada duplicación extra es más invención.
• Deja el enfoque desactivado al principio. El modelo ya reconstruye los bordes; más enfoque añade halos.
• Revisa al 100 % lo que importa: caras, textos, detalles del producto.

Y si estás decidiendo entre ampliar una foto y mejorar su aspecto, nuestro artículo sobre upscalers de fotos frente a mejoradores de imagen explica qué problema resuelve cada uno. Para la parte práctica de tamaños de impresión y número de píxeles, consulta la guía para aumentar la resolución de una imagen.

Preguntas frecuentes

¿Un upscaler con IA sube mis fotos o aprende de ellas?

El nuestro no. El modelo se entrenó antes de llegar a ti, funciona en tu navegador y no cambia cuando lo usas; tus fotos nunca se suben ni se usan para entrenar.

¿Cómo sé si una herramienta usa IA de verdad?

Compárala con un redimensionado normal al 100 %, fíjate en la velocidad (un modelo real tarda segundos por imagen y suele descargarse primero) y mira lo que indica la herramienta. La nuestra dice tras cada trabajo si se usó la IA o el motor clásico.

¿La IA puede hacer legible una cara o una matrícula diminuta?

No. Si en el original al 100 % no distingues el detalle, lo que añada el modelo es una suposición y no hay que fiarse de ello.