Snapchat los llama por el nombre oficial «Lentes», sin embargo, toda red social debe seguir el ritmo de sus s, quienes los bautizaron simplemente «filtros». Estos filtros aplican diferentes efectos y elementos en tiempo real, lo que les permite cruzar sin mayores sobresaltos la frontera de la realidad aumentada, ¿pero cómo funcionan con exactitud? En pocas palabras, mucho reconocimiento facial, un batallón de algoritmos, y el poder de procesamiento en smartphones modernos hacen esto posible.

El procesamiento de imágenes ya se ubica mucho más allá del reconocimiento de rostros y números. Hoy, los algoritmos disponibles pueden identificar parámetros muy específicos, evaluar contextos, e incluso analizar potenciales sentimientos de la gente que aparece en ellas. La demo de la API de Google Cloud Vision es contundente en esos aspectos, y sirve como recordatorio de la capacidad de recolección de datos que tiene Mountain View.

Reconocer objetos, formas, líneas y colores. Interpretar códigos de barra, códigos QR, y otra clase de codificaciones internas que el necesite. Estos objetivos son relativamente avanzados en el espacio DIY, y demandan cierto conocimiento de código, pero el primer paso es obtener un módulo óptico de calidad. Ahí es cuando interviene la cámara Pixy2, versión actualizada de la Pixy, más rápida, más precisa, y con un precio bastante razonable.

Con el objetivo de brindar a los s direcciones exactas en sus mapas, Google desarrolló un algoritmo que puede reconocer con un alto nivel de precisión los números de las casas que aparecen en las imágenes de su servicio Street View. Sin embargo, el mismo algoritmo podría ser aplicado en la lectura de los CAPTCHAs más perversos, acertando en el 99 por ciento de los casos.

Muchos padres no dejan de hacerse preguntas sobre el futuro de sus hijos, y una de ellas es cómo envejecerán. Un grupo de investigadores estacionado en la Universidad de Washington ha desarrollado algo que podría servir a modo de respuesta: Un software simulador de edad, que tiene en cuenta factores como la posición, la expresión, y hasta la iluminación de la fotografía original.

Querer determinar a qué ciudad pertenece una imagen puede ser relativamente sencillo en algunos casos, pero considera ciertas cosas, como por ejemplo, no haber estado nunca en esa ciudad, no saber nada de arquitectura, y tener que lidiar con decenas de miles de imágenes para comparar. Un ojo entrenado puede diferenciar a París de Barcelona en cuestión de unos segundos, pero un nuevo software desarrollado por la Universidad Carnegie Mellon es capaz de detectar cuáles son las similitudes y diferencias arquitectónicas entre ciudades, a partir de una enorme cantidad de imágenes proveniente de Google Street View.