Segmentación de imágenes

La segmentación de imágenes va más allá de poner un recuadro: marca el contorno exacto de cada cosa, decidiendo para cada píxel a qué pertenece. Si la detección de objetos dice «hay un perro aquí», la segmentación dibuja su silueta precisa.

Hay tres variantes principales. La semántica clasifica cada píxel por tipo (cielo, calle, persona) sin distinguir individuos. La de instancias separa cada objeto individual (persona 1, persona 2). La panóptica combina ambas. Una arquitectura clásica es U-Net, propuesta en 2015 para imágenes biomédicas. En 2023, Meta presentó Segment Anything (SAM), un modelo entrenado con más de mil millones de máscaras que puede recortar casi cualquier objeto con solo un clic o una indicación.

Usos comunes: quitar o cambiar el fondo de una foto o una videollamada, delimitar tumores en estudios médicos, medir superficies de cultivo en imágenes satelitales y ayudar a los vehículos a distinguir carril, banqueta y peatones. También es la base para elegir qué zona modificar en el relleno generativo.

Etiquetar datos para segmentación es caro, porque alguien debe trazar contornos a mano; por eso modelos como SAM ayudan también a acelerar el etiquetado de datos. En medicina, el resultado siempre debe revisarlo un especialista.