En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de nos cookies afin de vous offrir une meilleure utilisation de ce site internet. Pour en savoir plus et paramétrer vos cookies, cliquez ici.

Parce que vos meilleures photos méritent d’être partagées, Konbini s’associe à Orange, le réseau mobile n°1. Découvrez les plus grandes photos et leur histoire, inspirez-vous des photographes les plus talentueux, découvrez nos best tips pour pimper vos photos et récolter un maximum de likes. Say Cheese!

Pourra-t-on bientôt "dépixéliser" des images ?

Rendre plus nettes des images pixélisées ? Il semblerait que cela devienne possible grâce au deep learning.

© EnhanceNet

Dans le domaine de l’image, de nombreux développeurs s’attellent à créer des intelligences artificielles capables d’améliorer et comprendre nos clichés. Nous avons vu éclore des sites Internet permettant de coloriser des clichés noir et blanc, de dire si vos photos sont réussies et même d’analyser ce que vos images représentent.

Si certaines applications semblent tout droit sorties d’un film de science-fiction, d’autres opérations, d’un premier abord plus simples, relèvent en réalité de véritables défis techniques. Comme l’explique le site Sciences et Avenir, la "dépixélisation" est particulièrement complexe. Pour permettre à une image très pixélisée de gagner en qualité, l’intelligence artificielle doit deviner la couleur des pixels manquants, se basant sur une technique d’interpolation relativement approximative.

Toutefois, il semblerait que les choses soient sur le point de changer puisque des chercheurs du Max Planck Institute (MPI, basé à Munich) ont récemment proposé une nouvelle méthode qui se base sur le deep learning, une technique d’apprentissage basée sur des réseaux de neurones artificiels qui apprennent de leurs erreurs.

Une intelligence artificielle qui apprend de ses erreurs

Si auparavant des techniques de "dépixélisation" existaient déjà, elles fonctionnaient de la manière suivante : pour que l’image devienne nette, il fallait ajouter de nouveaux pixels. Pour ce faire, le logiciel calculait les couleurs à partir d’une projection statistique qui se basait sur les pixels voisins.

Cependant, cet indicateur était imprécis, n’ayant pas la finesse de l’œil et la capacité d’analyse du cerveau humain, ce qui donnait une image floue. Depuis que les équipes du MPI ont décidé d’utiliser le deep learning, les résultats sont impressionnants. Mehdi Sajjadi, l’un des chercheurs, explique ce procédé technique nettement plus complexe :

"L’algorithme apprend à échantillonner à partir d’images disponibles en faible et haute résolution. À la fin du processus, on peut ainsi lui montrer l’image cible en haute résolution, de sorte qu’il apprend au fur et à mesure de ses erreurs."

Le cerveau informatique s’améliore à chaque "dépixélisation", apprend au fur et à mesure les motifs géométriques des images, lui permettant d’être capable de les transformer seul et avec succès par la suite. Cette nouvelle technique ouvre alors de nombreuses possibilités, notamment celle d’améliorer la qualité des premières photos numériques réalisées en très basse résolution.

S’il est possible demain d’utiliser cette technique, que se passera-t-il pour tous les documents où le flou par pixélisation était utilisé pour censurer ou garantir l’anonymat ? Les plus curieux d’entre nous pourront probablement déterrer de nombreux dossiers.

© EnhanceNet