Caso de uso
NeuroSight: traducción inteligente de imágenes a patrones visuales tipo fosfenos para ciegos
Problema
Las personas con ceguera o pérdida severa de visión tienen dificultades para acceder a información visual crítica del entorno, como obstáculos, personas, puertas, vehículos, señales, textos o cambios de iluminación.
En sistemas de visión protésica o asistencia visual avanzada, uno de los grandes retos no es únicamente capturar una imagen, sino decidir qué parte de esa imagen merece transmitirse al usuario cuando la resolución disponible es extremadamente baja.
Una escena real contiene demasiada información visual. Si se traduce directamente a puntos, píxeles o estímulos, el resultado puede ser confuso, ruidoso y poco útil. Por eso es necesario crear sistemas capaces de simplificar, priorizar y codificar la información visual de forma comprensible.
El problema que abordamos es cómo convertir una escena compleja del mundo real en un patrón visual mínimo, interpretable y útil para una persona con visión muy reducida o percepción artificial limitada.
Solución
Proponemos una capa software que actúa como traductor entre una imagen real y una representación visual simplificada tipo fosfenos.
El sistema toma una imagen, reduce su complejidad y genera una matriz de activación que conserva los elementos visuales más relevantes. En lugar de intentar transmitir toda la escena, el software prioriza la información que puede resultar más útil para la orientación, la movilidad y la interpretación básica del entorno.
El MVP permite experimentar con distintas formas de codificación visual, como reducción de resolución, umbralización, detección de bordes, simplificación por intensidad y generación de patrones tipo fosfenos.
La evolución natural del proyecto es incorporar inteligencia artificial para que el sistema pueda adaptarse al contexto. Por ejemplo, destacar obstáculos en movimiento, reconocer personas, detectar puertas o pasos de peatones, ajustar el contraste según interior o exterior y leer texto mediante voz cuando se identifique información escrita.
La arquitectura conceptual es:
imagen o vídeo → análisis visual → simplificación inteligente → matriz de activación → simulación de percepto → asistencia al usuario o integración futura
Aplicaciones reales
Aplicaciones destacadas en clientes
- Asistencia visual para personas con ceguera o baja visión.
- Simulación de visión protésica mediante patrones tipo fosfenos.
- Software de preprocesamiento para sistemas de visión artificial de baja resolución.
- Gafas inteligentes orientadas a accesibilidad.
- Traducción de escenas reales a información visual simplificada.
- Detección y priorización de obstáculos, personas, puertas, vehículos y señales.
- Lectura de texto mediante integración con reconocimiento óptico y voz.
- Investigación en neurotecnología, interfaces cerebro-máquina y percepción artificial.
- Evaluación de estrategias de codificación visual antes de su integración con hardware.
- Soluciones de asistencia en movilidad, orientación y comprensión del entorno.
