Seleccionar página

Una vista del alcance de la visión nocturna de los miembros de la Fuerza Aérea de los EE. UU. (USAF) del 820º Grupo de Fuerzas de Seguridad (SFG), después de lanzarse en paracaídas, asegurando un área en Avon Park Air Force Range, Florida (FL), al comienzo del ejercicio SAFE FLAG.

Las cámaras y gafas de visión nocturna han demostrado ser un cambio de juego desde que se inventaron a mediados del siglo XX, permitiéndonos distinguir características y movimientos incluso en la oscuridad total. La tecnología ahora es crucial para las fuerzas militares y policiales modernas, pero la visión nocturna también ha demostrado su valor para los esfuerzos científicos y de conservación, como la vigilancia de animales nocturnos en peligro de extinción.

Pero, aunque la visión nocturna es súper útil, no es perfecta. Estas cámaras solo producen imágenes en blanco y negro, lo que en la mayoría de los casos es un compromiso aceptable. Sin embargo, los investigadores de la Universidad de California, Irvine, buscaron mejorar la visión nocturna creando una IA que rellene los puntos ciegos y coloree las imágenes. Por ahora, la coloración solo funciona con retratos, pero en un futuro no muy lejano, es posible que se puedan colorear otras características para una sensación más natural que convierte la noche en día.

El primer equipo de visión nocturna se fabricó en la década de 1930 en Alemania y se usó en la Segunda Guerra Mundial, pero el ejército de EE. UU. no se quedó atrás y pronto desarrolló sus propias herramientas de visión nocturna llamadas sniperscopes. El principio de funcionamiento de estos dispositivos de Generación 0 no ha cambiado en las gafas modernas de visión nocturna, aunque los nuevos dispositivos son mucho más pequeños y portátiles en comparación con sus engorrosos homólogos anteriores que requerían que el operador llevara consigo una fuente de energía del tamaño de una mochila. Antes y ahora, los dispositivos de visión nocturna presentaban un iluminador infrarrojo que golpeaba y reflejaba objetos y superficies, antes de rebotar en la lente del visor donde se reconstruía una imagen visible amplificando las pequeñas cantidades de luz en el infrarrojo (no espectro visible.

( izquierda ) Imagen real del suelo del espectro visible compuesta por imágenes de entrada rojas, verdes y azules. ( derecha ) Reconstrucciones previstas para UNet-GAN, UNet y regresión lineal usando 3 imágenes de entrada infrarrojas. Crédito: PLOS UNO.

Las imágenes producidas por los dispositivos de visión nocturna son todas en escala de grises pero, por varias razones, se utiliza una pantalla cubierta con fósforo para producir un tinte verde característico. Sin entrar en demasiados tecnicismos, los ingenieros descubrieron que la imagen monocromática de visión nocturna se percibe y distingue con mayor precisión en tonos de verde. Eso quizás se deba a que el ojo humano es más sensible a las longitudes de onda de la luz cercanas a los 555 nanómetros, que corresponden al color verde, lo que permite que la pantalla sea un poco más tenue que para otros colores, lo que ayuda mucho a conservar la energía de la batería.

Aunque perfectamente utilizable en su configuración actual, los investigadores dirigidos por Andrew Browne de la Universidad de California, Irvine, querían darle un toque de color a la visión nocturna. Con este fin, utilizaron una cámara monocromática sensible a la luz visible e infrarroja cercana para adquirir imágenes de fotografías impresas que mostraban 140 retratos. Luego, los investigadores optimizaron un tipo de IA llamada red neuronal convolucional para predecir cómo deberían verse las imágenes del infrarrojo cercano en el espectro visible.

Este estudio sirve como un primer paso hacia la predicción de escenas del espectro visible humano a partir de una iluminación imperceptible del infrarrojo cercano. El trabajo adicional puede contribuir profundamente a una variedad de aplicaciones, incluida la visión nocturna y los estudios de muestras biológicas sensibles a la luz visible, escribieron los investigadores en la revista PLOS ONE.

Aunque las imágenes del espectro visible producidas son impresionantes y casi indistinguibles de las imágenes en color genuinas, este sistema se limita a rostros humanos. No puede colorear imágenes de visión nocturna que muestren vegetación, paisajes urbanos o vehículos. Y dado que la IA funciona al detectar correlaciones entre la poca luz visible e infrarroja que reflejan los objetos, los colores agregados son una forma de suposiciones informadas en lugar de una representación precisa de la realidad.

Esquema de cómo la IA utiliza información de luz infrarroja y visible para construir versiones en color de imágenes en escala de grises. Crédito: PLOS UNO.

Colorear una escena general capturada por dispositivos de visión nocturna puede que nunca sea realmente posible. Sin embargo, estos hallazgos son un paso prometedor en esa dirección.

Este estudio de prueba de principio que utiliza imágenes impresas con un contexto de pigmento óptico limitado respalda la noción de que el enfoque de aprendizaje profundo podría refinarse e implementarse en escenarios más prácticos. Estos escenarios incluyen aplicaciones de visión en las que hay poca luz visible, ya sea por necesidad o por objetivo. La visión nocturna, por ejemplo, tiene aplicaciones en seguridad, operaciones militares y observación de animales. Del mismo modo, la manipulación, el procesamiento y el estudio de muestras sensibles a la luz visible pueden requerir una tecnología que no utilice luz visible, concluyeron los investigadores.

"