Segun MarkTechPost (AI/ML News), un equipo de investigación de Xiaomi Inc., bajo el proyecto MiLM Plus, ha presentado PROVE (Perceptual RemOVal cohErence), un nuevo sistema de evaluación aceptado en la conferencia ACM MM 2026. Este avance busca resolver una brecha crítica en el campo de las aplicaciones de inteligencia artificial en visión por computadora: la inadecuación entre el rendimiento de modelos de eliminación de objetos y los criterios utilizados para medirlos. Aunque actualmente los modelos de eliminación, especialmente los basados en difusión, logran reconstruir sombras, reflexiones y estructuras ocultas con gran fidelidad, métricas tradicionales como PSNR, SSIM, LPIPS o ReMOVE frecuentemente otorgan clasificaciones erróneas. La razón radica en que la tarea de eliminar un objeto es estructuralmente ambigua, ya que no existe una única respuesta verdadera para comparar. PROVE introduce dos indicadores perceptuales: RC-S, que mide coherencia espacial, y RC-T, que evalúa consistencia temporal. Ambos se basan en una ventana deslizante de discrepancia máxima sobre características extraídas de DINOv2, aplicadas localmente en la zona editada, sin necesidad de un video de referencia.
El sistema se entrega como repositorio en Python bajo licencia Apache 2.0, con un solo punto de entrada de línea de comandos (run_prove_metrics.py). Para su ejecución se requieren Python 3.10 o superior, PyTorch 2.6 o posterior, Transformers 4.51 o más reciente, y los pesos de DINOv2-giant. Los máscaras, que indican el área a eliminar mediante píxeles blancos, son esenciales. La implementación es viable para equipos que cuenten con una sola GPU, siendo particularmente útil en entornos de desarrollo continuo. En una RTX 4090, RC-S consume 134,6 milisegundos por frame, lo que permite integrar el sistema como parte de controles automáticos en pipelines de integración continua. Las aplicaciones más inmediatas incluyen comparaciones entre modelos, validaciones en pipelines de CI, ajustes de pasos de inferencia o cuantización sin necesidad de videos de referencia, filtrado de datos de entrenamiento y diseño de modelos de recompensa.
Para el lector peruano, este avance tiene implicaciones directas en sectores clave del mercado local. En plataformas de edición de video, como las apps de fotografía o comercio electrónico, donde se requiere eliminar objetos de imágenes sin perder calidad visual, PROVE permite evaluar mejor la efectividad de los modelos. Las tiendas online, por ejemplo, pueden usarlo para limpiar catálogos de productos sin necesidad de imágenes originales. Asimismo, en el sector inmobiliario, donde las imágenes de propiedades deben ser editadas para eliminar obstáculos, o en publicidad digital, donde se gestionan contenidos rápidos, la capacidad de medir la coherencia visual sin referencias puede mejorar significativamente la calidad de los resultados. Aunque no está disponible como herramienta comercial, su uso en entornos técnicos de desarrollo puede acelerar la innovación en productos digitales que impactan directamente la economía peruana.