Esta divertida herramienta la crearon dos adolescentes británicos: Oli Callaghan de 18 años, y Finnian Anderson, de 17 años, según informó The Next Web. De acuerdo con una publicación en el blog de Anderson, Colorise Bot en Twitter usa un sistema de redes neuronales ‘prefabricado’, que ha sido entrenado con una base de datos de más de 4,5 millones de imágenes.

El resultado actual es sorprendente y muy acertado. Si entras al Timeline del bot en Twitter, verás cientos de fotos transformadas de manera que casi no se nota que eran fotos en blanco y negro, aunque en algunas (quizá las más antiguas) podemos percibir que no son las imágenes originales.

I colourised your image in 4.5 seconds. Find out how: https://t.co/Pz5ZKkzRGh #colorisebot pic.twitter.com/bM1g0SxcB8

— Colorise Bot (@colorisebot) 22 de noviembre de 2017

I colourised your image in 4.4 seconds. Find out how: https://t.co/Pz5ZKkzRGh #colorisebot pic.twitter.com/J5JGFzYaaY

— Colorise Bot (@colorisebot) 21 de noviembre de 2017

I colourised your image in 3.4 seconds. Find out how: https://t.co/Pz5ZKkzRGh #colorisebot pic.twitter.com/z8VknU0wdk

— Colorise Bot (@colorisebot) 21 de noviembre de 2017

Usar este bot es muy fácil. Solo publica en Twitter una foto a blanco y negro y menciona a @colorisebot. El sistema te responderá con tu foto a color y te dirá en cuánto tiempo logró hacer la transformación.

¿Cómo funciona el bot?

Los dos jóvenes explican en el blog que cuando tuvieron la idea de crear un bot para ‘colorear’ fotos, probaron varias técnicas de programación. Primero lo intentaron haciendo los códigos desde cero en C++ y OpenCL. Pero se dieron cuenta de que el proceso era muy lento, y que no alcanzarían a tenerlo listo para una convocatoria en la que tenían pensado presentar su producto.

Luego, probaron con TensorFlow, un marco de aprendizaje de máquinas desarrollado por Google. Este ofrece una interfaz fácil para construir modelos de aprendizaje de máquinas. Sin embargo, los jóvenes tuvieron algunos problemas con la plataforma y no quisieron arriesgar su fecha límite para la convocatoria.

Finalmente, los dos desarrolladores decidieron usar un modelo ya entrenado por dos estudiantes de doctorado de la Universidad de Berkley. Usaron este modelo como una plantilla, usando Caffe y luego entrenaron a la máquina con imágenes de ImageNet, una base de datos gratuita en Internet. El método dio resultado, y el sistema logró entrenarse muy bien, porque eran más o menos 4,5 millones de imágenes.

Callaghan y Anderson dicen que la gran lección que les dejó este proyecto, aparte de varios planes derivados del mismo, es que descubrieron lo fácil que es aprender sobre ‘machine learning’, usando plataformas populares como TensorFlow y Caffe. Tal como nos los demostró Google con un sencillo experimento en línea del que te contamos hace unos meses.

Imágenes: Colorise Bot y Pixabay.