Cómo Photoroom entrenó su modelo de IA con datos propios en lugar de usar internet
La empresa de edición de fotos explica su estrategia para crear conjuntos de datos de calidad sin recurrir al raspado masivo de la web.
Photoroom (una aplicación que permite quitar fondos de fotos y editarlas con IA) acaba de publicar la cuarta entrega de su serie técnica PRX, donde revela cómo construyó los conjuntos de datos con los que entrena sus modelos de visión por ordenador (sistemas de IA capaces de entender y manipular imágenes). A diferencia de grandes empresas como OpenAI o Google, que han entrenado sus modelos con miles de millones de imágenes descargadas de internet, Photoroom optó por crear sus propios datos desde cero.
Según explica el equipo en el blog de Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados), decidieron no usar datasets públicos como COCO o ImageNet porque estaban «demasiado desalineados» con su caso de uso: eliminar fondos de productos, personas y objetos en fotos de comercio electrónico y redes sociales. En lugar de eso, combinaron tres fuentes: imágenes sintéticas generadas por ordenador, fotos reales anotadas manualmente por su equipo, y datos aportados de forma anónima por usuarios de la app que aceptaron compartir sus ediciones para mejorar el servicio.
La estrategia de Photoroom incluye un proceso llamado «anotación programática», donde usan algoritmos para etiquetar automáticamente millones de imágenes sintéticas con información precisa sobre qué parte es el objeto y qué parte es el fondo. Esto les permite generar volúmenes enormes de datos sin errores humanos. Para las imágenes reales, recurren a un equipo de anotadores que revisan manualmente cada foto, un proceso lento pero necesario para capturar casos complejos que la IA aún no domina, como objetos con transparencias o bordes difusos.
El artículo detalla también cómo gestionan la privacidad: todas las imágenes de usuarios pasan por un sistema de anonimización que elimina rostros, matrículas y cualquier información identificable antes de ser usadas para entrenamiento. Además, los usuarios pueden desactivar esta función en cualquier momento desde la configuración de la app. Photoroom asegura que este enfoque híbrido —sintético, manual y de usuarios— les ha permitido superar en precisión a modelos entrenados solo con datos públicos, especialmente en escenarios específicos de e-commerce.
La empresa no ha revelado el tamaño exacto de su dataset ni planea publicarlo como código abierto, pero sí ha compartido algunas métricas: afirman que su modelo PRX (el núcleo de su tecnología de eliminación de fondos) fue entrenado con «decenas de millones» de imágenes y que el 60% de ellas son sintéticas. Este caso ilustra una tendencia creciente en la industria: empresas medianas que construyen sus propios datos para evitar problemas legales de copyright y mejorar el rendimiento en nichos específicos, frente al enfoque «aspiradora de internet» que dominó la primera ola de modelos de IA generativa.
