How Image Quality and Scaling Shape the Accuracy of Future AI Systems

Un estudio publicado en Artificial Intelligence Review sostiene que la fiabilidad de los sistemas modernos de visión por computador depende en gran medida de las características de las imágenes con las que se entrenan y evalúan. Los autores, Rizwan Khan y Zheng Zhonglong, revisan métodos clásicos y basados en aprendizaje para mejorar imágenes y miden cómo técnicas de preprocesamiento usadas ampliamente alteran los modelos que reciben esa salida. Argumentan que la calidad y el tamaño de imagen no son detalles periféricos: pueden cambiar el rendimiento, la reproducibilidad y la consistencia al desplegarse. La investigación diferencia entre datos reales y sintéticos, destacando que, en aplicaciones críticas como detección en oscuridad, importa si el material fue capturado o generado. También analizan el escalado y proponen la medida perceptual de integridad (PIM), un puntaje interpretable sin referencia.