La inteligencia artificial ha avanzado rápidamente en la capacidad de manipular imágenes y videos, pero su evaluación sigue siendo un desafío complejo. Una de las tareas más difíciles es la eliminación de objetos de una escena, ya que requiere no solo precisión técnica, sino también una comprensión realista de cómo los humanos perciben los resultados. Xiaomi, con su último lanzamiento MiLM Plus, ha intentado resolver este problema introduciendo PROVE, un conjunto de métricas llamadas RC-S y RC-T que buscan alinear la evaluación con la percepción humana. Estas métricas van más allá de los estándares tradicionales como PSNR o SSIM, que suelen fallar al juzgar la calidad de la eliminación de objetos en escenarios complejos.
La dificultad radica en que la eliminación de objetos es una tarea 'il-posed', es decir, no existe una solución única correcta. Un objeto puede ser borrado de múltiples maneras, y lo que es aceptable para un modelo de IA no necesariamente coincide con lo que percibe un humano. Los métodos actuales, basados en métricas cuantitativas, no capturan esta subjetividad. Por ejemplo, un sistema podría generar una eliminación con mínimos artefactos técnicos según PSNR, pero si deja sombras o reflexiones poco naturales, un humano lo consideraría insatisfactorio. Es aquí donde entra en juego PROVE, que integra criterios basados en la percepción visual para evaluar la coherencia de las eliminaciones en videos reales.
El lanzamiento de PROVE incluye un benchmark con videos del mundo real, lo que permite probar la tecnología en condiciones más cercanas a su uso práctico. Esto es clave porque los benchmarks sintéticos, aunque útiles, no replican perfectamente la complejidad de las escenas diarias. Xiaomi ha diseñado RC-S y RC-T para medir aspectos como la continuidad espacial, la coherencia de sombras y la preservación de la estructura oculta tras el objeto eliminado. Estas métricas no solo mejoran la objetividad de la evaluación, sino que también ofrecen una herramienta para desarrollar modelos más avanzados capaces de adaptarse a las expectativas humanas.
La relevancia de esta tecnología va más allá de la investigación académica. En aplicaciones comerciales, como la edición de videos automatizada o la realidad aumentada, la capacidad de eliminar objetos de forma imperceptible es esencial. Imagina una app de edición que permita eliminar una persona de un video sin dejar huellas, o un sistema de AR que sobrescriba elementos no deseados en tiempo real. PROVE podría ser el motor detrás de estas innovaciones, asegurando que las eliminaciones no solo sean técnicamente correctas, sino también visualmente naturales.
Además, la introducción de métricas basadas en percepción marcan un cambio en la forma en que se evalúan los sistemas de IA. Hasta ahora, la comunidad se ha centrado en métricas técnicas, pero PROVE muestra que la clave está en alinear la evaluación con la experiencia humana. Esto tiene implicaciones para el desarrollo de estándares en la industria, donde las métricas podrían volverse más dinámicas y adaptadas a casos de uso específicos. Por ejemplo, una métrica para eliminar objetos en un video de un concierto tendría prioridades diferentes a una en un entorno médico.
Xiaomi no es la primera empresa en abordar este desafío, pero su enfoque con PROVE es innovador. Mientras que otros modelos se enfocan en optimizar la eliminación mediante algoritmos complejos, PROVE introduce un paradigma de evaluación que podría acelerar el desarrollo de sistemas más eficientes. Al proporcionar una herramienta para medir la calidad desde la perspectiva del usuario, Xiaomi está abriendo el camino para una IA más alineada con las necesidades reales de los usuarios.
No obstante, aún quedan desafíos. La percepción humana es subjetiva y VARIA según el contexto, lo que dificulta crear métricas universales. Además, implementar PROVE en sistemas comerciales requerirá integrarla con flujos de trabajo existentes, lo que podría ser un obstáculo técnico. No obstante, el lanzamiento de Xiaomi es un hito importante en la evolución de la IA aplicada a la edición de medios. Si se adopta ampliamente, PROVE podría convertirse en el estándar para evaluar la eliminación de objetos, no solo en China, sino a nivel global.
En resumen, la tecnología de Xiaomi representa un paso hacia una IA más inteligente y centrada en el usuario. Al combinar métricas técnicas con criterios de percepción, PROVE no solo mejora la calidad de los resultados, sino que también establece un nuevo marco para evaluar la capacidad de la IA en tareas complejas. Esto no solo beneficia a sectores como la edición de videos o la realidad aumentada, sino que también refuerza la posición de Xiaomi como innovadora en el campo de la inteligencia artificial.
El futuro de la IA dependerá en gran medida de su capacidad para entender y replicar la percepción humana. Con herramientas como PROVE, empresas como Xiaomi están liderando este cambio, demostrando que la tecnología más avanzada no es solo sobre algoritmos, sino sobre cómo se alinea con las expectativas y necesidades reales de las personas.
