Esa fue la pregunta de uno de los proyectos de este año en Indexa Geodata.

Teníamos un fondo cartográfico con muchos mapas digitalizados desde hace años, buena parte en blanco y negro. Y casi 8.000 escaneos nuevos, en color y con mucha más calidad. Había que saber qué escaneo nuevo correspondía a cada mapa antiguo.

𝗘𝗹 𝗿𝗲𝘁𝗼:

Dicho así parece fácil. No lo es.

Un mismo mapa escaneado dos veces no es la misma imagen. Cambia el color, la resolución, el encuadre, las manchas del papel... y a veces ni siquiera está en la misma orientación. Comparar píxel a píxel no sirve de nada.

Y al revés también pasa: hay mapas distintos que se parecen muchísimo. Hojas de una misma serie, con la misma cuadrícula y el mismo estilo, que a simple vista casi no se distinguen.

Así que el problema no era solo encontrar parecidos. Era distinguir "se parece" de "es el mismo".

𝗖𝗼́𝗺𝗼 𝗹𝗼 𝗮𝗯𝗼𝗿𝗱𝗮𝗺𝗼𝘀:

● Primero, reducir el pajar. Para cada escaneo nuevo, DINOv2 (un modelo de visión de Meta que se fija en la estructura de la imagen) selecciona los candidatos más parecidos de todo el fondo. Solo esos pasan a la siguiente fase.

● Después, mirar con lupa. Sobre esos candidatos comparamos también la imagen rotada, analizamos texturas y usamos hashes perceptuales. Los hashes solo funcionan cuando dos imágenes son casi idénticas, así que no deciden nada por sí solos: son un atajo para confirmar rápido los casos muy claros.

● Todo en escala de grises, para que un mapa en color y su versión en blanco y negro se comparen por lo que dibujan, no por cómo se ven.

𝗟𝗮 𝗜𝗔 𝗽𝗿𝗼𝗽𝗼𝗻𝗲, 𝗹𝗮 𝗽𝗲𝗿𝘀𝗼𝗻𝗮 𝗱𝗲𝗰𝗶𝗱𝗲:

Cada pareja termina en uno de tres grupos: SEGURO, REVISAR o NO. Lo dudoso va a un visor donde una persona compara las dos imágenes lado a lado y decide. No se trata de que la IA acierte siempre, sino de que el experto dedique su tiempo solo a los casos que de verdad lo necesitan.

Y todo funciona en un portátil normal, con un .exe y doble clic, porque una herramienta que nadie sabe abrir no sirve de nada.

La IA no sustituye a quien conoce el archivo. Le quita la parte de buscar una aguja en un pajar para que pueda dedicarse a lo que sabe hacer 💡

¿Conocéis algún archivo o fondo histórico donde algo así ahorraría meses de trabajo?