As cores são reais? Colorização por IA só de croma

A preocupação mais comum com a colorização por IA é que o modelo esteja repintando a fotografia: que o rosto da vovó agora seja em parte uma invenção. Neste pipeline isso é descartado por construção, não por promessa: o colorizador^[1] só tem permissão para contribuir com cor, nunca com detalhe. Esta nota explica o mecanismo; depois (novidade nesta revisão) avalia as 40 linhas de aritmética que decidem quando a colorização roda, em 115 fotografias rotuladas: digitalizações reais em preto e branco, uma impressão real em albumina de 1867, três famílias de cópias com viragem química, cor real e cor sinteticamente desbotada. O detector é perfeito em toda família monocromática, 88% em cor real, e em cor desbotada desaba para 8%, por um motivo que nenhum limiar consegue corrigir: cor suficientemente desbotada é monocromática, matematicamente.

Cada número desta nota foi medido no código do pipeline de produção: os mesmos modelos, a mesma matemática. Registros brutos por imagem: e4_mono.json.

1 · O mecanismo: a luminância é intocável

Toda imagem se separa em luminância (a estrutura em preto e branco: bordas, textura, rostos, luz) e croma (a cor assentada sobre ela). Nós colorimos no espaço CIELAB, que torna a separação explícita: a fotografia mantém o próprio canal L, bit a bit, e o modelo contribui só com os dois canais de cor (a e b). Recombine e você obtém a foto original vestindo cor estimada. Se o modelo de cor estiver num dia ruim, a falha é um tom errado, nunca um rosto mudado, uma borda deslocada ou textura inventada.

AntesDepois

2 · Quando ela roda? A matemática de “isto é sépia?”

A colorização roda automaticamente só quando a foto é medida como monocromática, e o sépia é o que torna isso nada óbvio. O teste ingênuo (r ≈ g ≈ b em toda parte) pega o preto e branco neutro e nada mais. Mas uma cópia em sépia é enfaticamente cromática: cada pixel carrega cor. O que a torna monocromática é que toda a sua cor aponta na mesma direção: a química faz a viragem de uma cópia com um único composto, então o matiz é constante enquanto o croma escala com a densidade. A direção, não a magnitude, é a impressão digital.

Então o detector amostra até 20.000 pixels no espaço Lab e guarda três estatísticas: a fração cromática (parcela de pixels com croma acima de um piso de ruído de 2 unidades), o croma médio C̄ e a interessante, a concentração de matiz, que é o comprimento resultante médio dos vetores unitários de matiz, direto da estatística direcional^[2]:

R̄ vive em [0, 1]: exatamente 1 significa que todo pixel cromático concorda no matiz (um tom perfeito); perto de 0 significa que os matizes se cancelam ao redor do círculo (pele discutindo com céu: uma fotografia colorida). A regra de produção tem duas cláusulas:

3 · A avaliação com 115 fotos

Toda família monocromática classifica perfeitamente, incluindo a única cópia genuína do século XIX, que cai em R̄ = 0.946, C̄ = 8.0, confortavelmente dentro da região. O gráfico de dispersão mostra o corpus inteiro de uma vez, com a região de decisão sombreada:

Os três falsos positivos de cor real merecem ser nomeados, porque não são ruído; são fotografias de cenas monocromáticas: o riacho na floresta da Kodak (R̄ 0.93), o jato estacionado (R̄ 0.96), um barco ao anoitecer. A estatística está fazendo seu trabalho; essas cenas realmente concentram seu matiz. A falha é semântica, não matemática, e é precisamente por isso que o tratamento Colorir é um interruptor visível e desmarcável, e não uma decisão silenciosa.

4 · A região onde nenhum limiar consegue vencer

Agora os pontos dourados. Desbote uma foto colorida e duas coisas acontecem ao mesmo tempo: C̄ encolhe (os corantes estão morrendo) e R̄ sobe: o que sobrevive ao desbotamento não é uma amostra justa dos matizes originais, mas o resíduo mais a dominante da cópia, e uma dominante é por definição direcional. Com 50% de desbotamento nosso corpus tem média R̄ ≈ 0.95; com 82%, R̄ ≈ 0.98 com C̄ ≈ 9. Compare com a Eq. 2: essa é a assinatura de um tom. Uma foto colorida muito desbotada não chegou perto da classe sépia; ela entrou nela.

Então o limiar é uma escolha de valores vestida de número. Empurre R̄ para 0.98 e a pontuação no corpus sobe dez pontos, enquanto o classificador silenciosamente começa a falhar exatamente nos artefatos para os quais o recurso existe: cópias reais com viragem, cuja química centenária vagueia no matiz muito mais do que qualquer tom sintético. A produção fica em 0.92 para manter margem para a química real, aceita a região desbotada como genuinamente ambígua e pergunta a você, porque uma foto que perdeu 82% da sua cor bem pode ser uma que o dono queira recolorir. A tabela acima chama essas 22 fotos de “erradas”; seus donos talvez chamassem metade delas de “por favor, sim”.

5 · O que a colorização honestamente é

Uma estimativa. O modelo viu fotografias suficientes para saber que a grama é verde e que os casacos de lã da década de 1860 costumam ser azul-escuros, mas não tem como saber que o vestido da sua avó era vermelho, não verde. Onde uma cor é historicamente conhecível a estimativa costuma ser convincente; onde não é, o modelo escolhe algo plausível. É por isso que o enquadramento honesto é “cor natural, adicionada” em vez de “as cores originais, recuperadas”, e por isso que existe a opção de manter uma foto em preto e branco. A estrutura (os rostos, a luz, o momento) é sempre da própria fotografia, pelo mecanismo da Seção 1. O mesmo truque no espaço Lab roda ao contrário na nossa renderização de rostos, em que o modelo de rostos contribui só com a luminância e a fotografia mantém seu croma.

6 · Limitações

• Uma única cópia real com viragem. O Herschel em albumina ancora o argumento do realismo, mas é uma amostra única; um corpus datado de ferrótipos, albuminas e cianotipias é o próximo passo óbvio.
• O desbotamento sintético é gentil com o detector. O desbotamento cromogênico real é seletivo por corante (o ciano morre primeiro; por isso as cópias dos anos 70 ficam avermelhadas), o que empurra R̄ para cima ainda mais depressa do que o nosso modelo uniforme.
• Viés de amostragem, por projeto: detalhes coloridos minúsculos (um único broche vermelho num retrato em sépia) podem se esconder abaixo do radar da fração cromática. O viés é deliberadamente a favor de preservar tons.