De sombras a la vibrancia: una revisión completa de las técnicas modernas de colorización de imágenes

La colorización de imágenes se ha convertido en una tarea significativa en la visión por computadora, abordando el desafío de transformar imágenes en escala de grises en salidas de color realistas y vibrantes. Los avances recientes aprovechan técnicas de aprendizaje profundo, que van desde redes generativas adversariales (GAN) hasta modelos de difusión, e integran comprensión semántica, características multi-escala y controles guiados por el usuario. Esta revisión explora metodologías de vanguardia, destacando componentes innovadores como el aprendizaje de distribución de clases semánticas, la fusión temporal bidireccional y los marcos conscientes de instancias. Las métricas de evaluación, incluyendo PSNR, FID y medidas específicas de la tarea, aseguran una evaluación exhaustiva del rendimiento. A pesar del notable progreso, desafíos como la incertidumbre multimodal, el costo computacional y la generalización persisten. Este documento proporciona un análisis exhaustivo de los enfoques existentes, ofreciendo ideas sobre sus contribuciones, limitaciones y direcciones futuras en la colorización automatizada de imágenes.