Descripción del proyecto
Modelos innovadores para la restauración digital de fotografías y vídeos antiguos
El patrimonio digital abarca materiales informáticos de una importancia duradera, como las fotografías y los vídeos, que deben preservarse para las generaciones futuras. Las técnicas como la restauración digital, que incluyen la coloración y la eliminación de objetos, pueden mejorar mucho estos materiales. El equipo del proyecto XIDHIR, financiado por las Acciones Marie Skłodowska-Curie (MSCA), se centra en dos retos de la restauración del patrimonio digital: la coloración y la mejora de las imágenes de fotografías y vídeos antiguos. Aprovechando métodos de aprendizaje profundo, en el proyecto se pretende mejorar la explicabilidad y atraer a los usuarios de forma más eficaz. En última instancia, el equipo de XIDHIR intenta desarrollar modelos que permitan la interacción del usuario, lo que facilita la restauración de las imágenes del patrimonio digital y garantiza resultados de alta calidad centrados en el usuario gracias a su participación activa en el proceso de mejora.
Objetivo
Digital heritage are computer-based materials of enduring value that should be kept for future generations, for example photographs and videos. As an asset of our times, historical photographs and videos can greatly benefit from digital restoration techniques, from colorization or color enhancement to the removal of scratches or other artefacts. In this project, we focus on two cases for digital heritage restoration: colorization and color image enhancement of old photographs and videos. Historically, image enhancement methods were rooted in tailor-made priors using well-understood physics and/or statistical models. Now, deep learning approaches leverage large amounts of data to train generative models that can hallucinate on the generated images. However, the useful versatility of deep learning approaches faces two main problems:
(a) Deep models are black boxes whose inner behaviors are difficult to interpret, which is an important drawback when assessing their reliability, studying failure cases, and improving their robustness. This hinders their direct adoption in the digital heritage restoration process. Thus, explainability is a highly desirable characteristic for image enhancement models.
(b) Image enhancement problems are ill-conditioned, especially for digital heritage photos (e.g. there are many plausible colorizations of a grayscale image). Yet, users rarely have a say in the process of enhancement with deep models, which is typically decided by the model based on statistical decisions. Thus, physically plausible or realistic solutions should be favored, as well as allowing the end user to explore and guide the algorithm towards the intended solution.
In this project, we propose to confront the ill-posed nature of image enhancement problems by a comprehensive involvement of the user in the loop, shifting the important decision-making from the model to the user. This will lead to results that are user oriented and achieve higher quality.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Régimen de financiación
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsCoordinador
08193 Cerdanyola del Valles
España