¿Dónde está OpenCV 5?
OpenCV, la ampliamente utilizada biblioteca de visión por computadora de código abierto, busca $500,000 a través de Indiegogo para financiar su próxima gran versión, OpenCV 5, después de perder a algunos miembros del equipo principal y enfrentarse a lagunas crónicas de financiación. Los comentaristas consideran que la cantidad es pequeña en relación con el impacto de la biblioteca y critican cómo las grandes empresas dependen de ella sin un apoyo financiero significativo, lo que provoca un debate más amplio sobre modelos de negocio sostenibles, licencias y responsabilidad corporativa en el software libre. Muchos también sostienen que, a pesar del auge de marcos de deep learning como PyTorch y TensorFlow, OpenCV sigue siendo crucial para tareas de visión clásica, preprocesamiento y despliegue en dispositivos de bajo consumo.
Crowdfunding de OpenCV 5 y estado del proyecto
- OpenCV 5 se está financiando colectivamente a través de Indiegogo con una meta de $500k; el progreso está en el rango de un solo dígito porcentual a pesar de la exposición en la portada.
- La campaña pretende: hacer de 5 una gran versión impulsada por la comunidad, demostrar que el crowdfunding es una alternativa a depender de grandes donantes corporativos, y establecer una financiación recurrente basada en la comunidad.
- El proyecto informa que ha perdido varios miembros del equipo principal debido a “conflictos globales e inestabilidad”, lo que ralentiza el desarrollo y la gestión de incidencias.
Relevancia en la era del deep learning
- Muchos sostienen que OpenCV sigue siendo muy relevante:
- Proporciona visión por computadora clásica (detección de bordes, SLAM, calibración, transformaciones geométricas) donde deep learning es excesivo, demasiado lento, requiere demasiados datos o no es adecuado.
- Se usa ampliamente para E/S de imagen/video, preprocesamiento y aumentación incluso en pipelines de TF/PyTorch/ONNX.
- Es esencial en dispositivos de bajo consumo/embebidos donde los modelos NN típicos siguen siendo demasiado pesados o lentos.
- Algunos objetan que los frameworks modernos de DL junto con modelos pequeños o cuantizados pueden resolver la mayoría de las tareas de visión “mejor”, pero otros señalan los límites prácticos de despliegue en microcontroladores y sistemas en tiempo real.
Apoyo corporativo, licencias y sostenibilidad
- Hay un fuerte sentimiento de que el software libre y abierto ampliamente usado como OpenCV está infradotado mientras grandes empresas se benefician de él.
- Se ofrecen explicaciones: tragedia de los comunes, preferencia corporativa por envoltorios empresariales de pago con soporte y responsabilidad, y sensibilidad en torno a licencias como GPL o modelos de “paga si eres grande”.
- Entre las soluciones propuestas están: licenciamiento copyleft, licencias basadas en ingresos/tamaño, o relaciones explícitas de “pagar para participar”, pero muchos señalan que a menudo las grandes empresas rechazan o bloquean estas opciones.
Funciones, decisiones de diseño y puntos de dolor
- Algunos cuestionan financiar un módulo de redes neuronales profundas, argumentando que la interoperabilidad con TF/PyTorch es suficiente; otros dicen que una pila nativa de DNN en C++ es estratégicamente importante y que OpenCV ya tiene un módulo DNN.
- Quejas sobre complejidad, un “infierno de dependencias” en C++, APIs inestables y decisiones anticuadas como el orden de color BGR por defecto; otros elogian las mejoras continuas de rendimiento de v3 a v4.
- Las herramientas y la documentación, especialmente para compilaciones móviles/Android y binarios optimizados en tamaño, se consideran difíciles; aun así, OpenCV se describe como “indispensable” en plataformas que carecen de bibliotecas nativas de visión potentes.