Utilizzare l’IA per migliorare le foto reali prima che vengano scattate

Invece di utilizzare l’IA Gen per correggere le foto dopo le hai scattate, i ricercatori hanno addestrato un sistema che ti dice come muoverti, posare e inquadrare la foto prima di scattarla, utilizzando la conoscenza acquisita su cosa rende le immagini memorabili.

Correggere le foto dopo l’evento è diventato più facile nel tempo, poiché i produttori e le piattaforme tecnologiche offrono sempre più spesso la possibilità di modificare le immagini direttamente all’interno della fotocamera. Sistemi popolari di questo tipo includono l’editing conversazionale di Google e l’editing generativo di Samsung, tra gli altri.

Tuttavia, una tendenza nascente che favorisce l'”autenticità” rispetto ai risultati “migliorati” dall’IA potrebbe significare che molti dei consumatori a cui questi sistemi sono destinati iniziano a considerare le foto “modificate” come “schiappe dell’IA”.

Forse è questo che ha ispirato Google a creare un “allenatore di fotografia” addestrato con l’IA, in grado di fornire istruzioni dirette per migliorare una foto durante il processo di scatto:

L’allenatore di fotografia di Google dice all’utente come riposizionare la foto, tra gli altri consigli di base. Fonte

Essendo un sistema proprietario, e con praticamente zero informazioni disponibili online al riguardo, l’allenatore di fotografia di Google sembra sfruttare l’IA per aiutare gli utenti a migliorare l’inquadratura (vedi immagine sopra) o a fare piccoli cambiamenti nella posizione (come avvicinarsi o guardare direttamente la fotocamera).

Quindi, per quanto si può capire, il prodotto spinge la composizione verso la mediana, presumibilmente sulla base di milioni di dati di contenuto caricati che hanno probabilmente contribuito ai dati di addestramento dell’IA. In questo senso, gli utenti che caricano i contenuti hanno creato il calibro dell’IA rifiutando le foto insoddisfacenti e caricando quelle che piacciono – una forma efficace (e gratuita) di curazione dei dati!

Ciò detto, le foto che sono medie in termini di composizione non possiedono necessariamente gli stessi valori estetici o l’impatto sullo spettatore delle foto che sono memorabili.

Oltre “Cheese!” e la regola dei terzi

A questo scopo, e verso un sistema più accessibile tra le piattaforme, una nuova ricerca italiana offre un sistema di allenamento allo stile Coach basato sulla conoscenza precedente di ciò che rende le immagini memorabili:

Esempi di consigli forniti dal nuovo sistema degli autori. Fonte

Nell’esempio sopra, vediamo i consigli forniti dal nuovo sistema degli autori – chiamato MemCoach – che è difficile immaginare che un’IA di composizione come l’allenatore di fotografia di Google possa fornire. Nel primo esempio (a sinistra), il consiglio di rimuovere il copricapo è particolarmente strano; nel secondo esempio, è difficile immaginare quale contesto convenzionale un’IA di composizione potrebbe trarre da una scena generale (ad esempio, una “foto artistica” di una giovane donna sdraiata a terra con gli occhi chiusi).

La comprensione fondamentale sulla memorabilità nella fotografia, utilizzata per sviluppare il sistema a tre parti italiano, è tratta da vari lavori precedenti, tra cui il lavoro del 2015 Cosa rende un oggetto memorabile?, e il lavoro del 2013 Cosa rende una fotografia memorabile?.

Dallo studio del 2013 “Cosa rende una fotografia memorabile?”, esempi rappresentativi di foto buone, medie e cattive in termini di memorabilità. Fonte

Chiunque, come me, con una data di nascita Unix negativa, riconoscerà probabilmente il modello per le “immagini meno memorabili” (in alto a destra nell’immagine sopra), dalle infinite serate di diapositive che hanno maledetto la nostra infanzia. Come affermano gli autori*:

‘Questi lavori hanno identificato fattori intrinseci chiave come la presenza di persone, scene interne, o espressioni emotive, piuttosto che oggetti e viste panoramiche, nonché fattori estrinseci, tra cui il contesto e l’osservatore.’

Il progetto si concentra sul “feedback di memorabilità” (MemFeed), espresso nell’applicazione tutor MemCoach, e su un benchmark (intitolato MemBench) basato sul dataset PPR10K.

Dallo studio PPR10K: un dataset di ritocco di foto di ritratto su larga scala con maschera di regione umana e coerenza a livello di gruppo, campioni diversi del dataset. Fonte

La ricerca osserva che la memorabilità è quantificabile nelle foto, piuttosto che essere un registro di giudizi soggettivi, e gli autori notano inoltre che la proprietà è stata identificata sia per le foto (in vari lavori) che per i video (in vari altri).

Il nuovo studio è intitolato Come scattare una foto memorabile? Abilitare gli utenti con feedback azionabili, e proviene da quattro ricercatori dell’Università di Trento, dell’Università di Pisa e della Fondazione Bruno Kessler. La pagina del progetto suggerisce che il codice GitHub e i dati ospitati su Hugging Face saranno disponibili il prossimo mese (marzo 2026).

Metodo

Per curare il dataset MemBench dal dataset di ritratto PPR10K, i ricercatori hanno raggruppato le foto della stessa scena e hanno assegnato un punteggio di memorabilità a ogni immagine utilizzando un predittore addestrato basato su CLIP caratteristiche. Quindi, hanno classificato le foto all’interno di ogni scena da meno a più memorabili e le hanno accoppiate di conseguenza:

Panoramica della costruzione e della valutazione di MemBench. La riga superiore rappresenta il flusso di dati, dalla raggruppamento delle immagini per scena e dalla previsione della memorabilità, al ranking delle foto e alla generazione di feedback consapevole della memorabilità.

Per ogni coppia, sono state generate descrizioni linguistiche naturali con il modello InternVL3.5 per spiegare le differenze visibili tra la versione meno memorabile e la versione più memorabile; e queste descrizioni costituiranno il segnale di addestramento per il sistema di feedback di memorabilità.

In contrasto con la logica che sostiene l’allenatore di fotografia di Google, i ricercatori hanno cercato un set di interpretazioni più sottili^†:

‘Contrariamente agli aggiustamenti della fotografia computazionale che si concentrano sulle correzioni post-hoc (ad esempio, “rendi l’immagine più luminosa”), ci concentriamo su azioni semantiche che un utente può eseguire in tempo reale per una foto migliore, ad esempio “Guardatevi l’un l’altro”.’

La raccolta finale di MemBench comprende circa 10.000 immagini raggruppate in 1.570 scene, con una media di 6,5 immagini per scena. La nuvola di parole generata dagli autori (vedi immagine sotto) suggerisce un’ampia gamma di categorie semantiche nel dataset:

Una nuvola di parole delle parole più frequenti in MemBench.

Le foto di origine hanno un punteggio di memorabilità medio di 0,63, mentre le foto più memorabili della stessa scena vanno da 0,51 a 1,0, con un notevole sovrapposizione tra i due gruppi:

Distribuzioni dei punteggi di memorabilità che confrontano le immagini meno e più memorabili all’interno di ogni scena.

Il feedback stesso varia da brevi note di sette parole a istruzioni più lunghe (a sinistra, nell’immagine sotto). Ogni consiglio è stato quindi suddiviso in piccole azioni utilizzando GPT-5 Mini (a destra, nell’immagine sotto):

Distribuzione della lunghezza del feedback misurata in parole di contenuto e categorizzazione di azioni atomiche con larghezze di accordo che indicano la frequenza di co-occorrenza tra le categorie.