NVIDIA Labs. Youtube.
<p>Il arrive qu’on endommage ses images sur son smartphone ou ordinateur, en voulant les retoucher, ou bien il peut s’agir d’un virus qui peut les dégrader, au point de les rendre inutilisables.</p><script type="text/plain" data-tcf="waiting-for-consent" data-id="26251">CjwhLS0gV1AgUVVBRFMgQ29udGVudCBBZCBQbHVnaW4gdi4gMy4wLjQgLS0+CjxkaXYgY2xhc3M9InF1YWRzLWxvY2F0aW9uIHF1YWRzLWFkMjYyNTEgIiBpZD0icXVhZHMtYWQyNjI1MSIgc3R5bGU9ImZsb2F0Om5vbmU7dGV4dC1hbGlnbjpjZW50ZXI7cGFkZGluZzowcHggMCAwcHggMDsiIGRhdGEtbGF6eWRlbGF5PSIwIj4KCjwvZGl2Pgo=</script>
<p>Aujourd’hui, des chercheurs ont mis au point une nouvelle technique révolutionnaire, servant à reconstruire une image endommagée et avoir un rendu très proche de l’original.</p>
<h2>Une technologie qui fait de l’ombre à Adobe</h2>
<p>Les spécialistes des logiciels de retouche d’images savent parfois comment restaurer celles qui sont en partie effacées, en utilisant le plus souvent le logiciel Photoshop. Mais pour un amateur, la tâche peut s’avérer quelque peu laborieuse.</p>
<p>La technique développée par Nvidia, « image painting » — qui sert à corriger et réparer des photos partiellement altérées — est basée à peu près sur le même concept de fonctionnalités du « <a href="https://www.photoshopessentials.com/photo-editing/content-aware-fill-cs5/">Contente Aware Fill »</a> qu’Adobe a lancé dans les années 2000, qui reconstruite la photo à partir de son arrière-plan.</p>
<p>Un algorithme antérieur, développé par des chercheurs de Yandex et Oxford baptisé « <a href="https://www.bleepingcomputer.com/news/technology/new-algorithms-can-repair-corrupted-images-enhance-low-res-photos/">Deep Image prior »</a>, se base sur les mêmes principes de reconstitution à quelques différences près, mais Nvidia affirme que leur travail est nettement plus concluant.</p>
<p><amp-youtube data-videoid="gg0F5JjKmhA" layout="responsive" width="1000" height="563"></amp-youtube></p><script type="text/plain" data-tcf="waiting-for-consent" data-id="26257">CjwhLS0gV1AgUVVBRFMgQ29udGVudCBBZCBQbHVnaW4gdi4gMy4wLjQgLS0+CjxkaXYgY2xhc3M9InF1YWRzLWxvY2F0aW9uIHF1YWRzLWFkMjYyNTcgIiBpZD0icXVhZHMtYWQyNjI1NyIgc3R5bGU9ImZsb2F0Om5vbmU7dGV4dC1hbGlnbjpjZW50ZXI7cGFkZGluZzowcHggMCAwcHggMDsiIGRhdGEtbGF6eWRlbGF5PSIwIj4KCjwvZGl2Pgo=</script>
<h2>Une technique qui utilise l’intelligence artificielle</h2>
<p>Contrairement aux méthodes antérieures, Nvidia ne s’est pas uniquement basé sur les pixels valides pour reproduire la partie manquante de l’image, mais elle utilise un réseau de neurones qui a un pouvoir d’apprentissage profond. Cette technique permet de faire une estimation sur la disposition de chaque pixel, afin de donner un résultat cohérent et logique.</p>
<p>Mais cette IA seule ne donnera pas un travail concluant, car elle ne peut saisir tous les détails avec précision et va créer des images approximatives. Comme c’est le cas de l’expérience menée par Google avec le <a href="https://www.sciencealert.com/scientists-build-a-hallucination-machine-for-drug-free-brain-trips">réseau Deep Dream</a>, qui met le cerveau à l’épreuve avec des illustrations délibérément déformées qui ressemblent à des hallucinations.</p>
<p>Raison pour laquelle Nvidia a ajouté une approche mathématique, qui permet à l’intelligence artificielle de comparer les pixels à l’intérieur de la zone endommagée et ceux en dehors de cette dernière, afin de mieux calculer la mise en place de chaque pixel et avoir un rendu homogène.</p><script type="text/plain" data-tcf="waiting-for-consent" data-id="26258">CjwhLS0gV1AgUVVBRFMgQ29udGVudCBBZCBQbHVnaW4gdi4gMy4wLjQgLS0+CjxkaXYgY2xhc3M9InF1YWRzLWxvY2F0aW9uIHF1YWRzLWFkMjYyNTggIiBpZD0icXVhZHMtYWQyNjI1OCIgc3R5bGU9ImZsb2F0Om5vbmU7dGV4dC1hbGlnbjpjZW50ZXI7cGFkZGluZzowcHggMCAwcHggMDsiIGRhdGEtbGF6eWRlbGF5PSIwIj4KCjwvZGl2Pgo=</script>
<p>Bien évidemment, le résultat n’est pas toujours parfait, et demande parfois quelques petites retouches. Mais c’est une avancée technologique de taille dans le domaine de la technologie d’édition.</p>
<p>Pour pousser plus loin leurs recherches, Nvidia a mis au point un nouveau processus qui utilise<a href="https://www.sciencealert.com/these-photos-are-not-real-they-were-made-by-an-ai"> un réseau générationnel antagoniste (GAN)</a>, qui permet de créer des illustrations photoréalistes de fausses personnes. Avec des résultats tellement réussis, qu’on ne peut déceler s’il s’agit d’un personnage fictif ou non.</p>