La firme Nvidia a mis au point une intelligence artificielle capable de restaurer les photos en déterminant ce qui devrait être présent dans les espaces blancs ou corrompus. Adieu le tampon de duplication de Photoshop !
Célèbre fournisseur mondial de processeurs graphiques et de cartes graphiques, Nvidia avait déjà mis au point une I.A ayant la capacité de créer de fausses vidéos ressemblant à s’y méprendre à la réalité à la fin de l’année 2017. Désormais, il est question d’une I.A dépassant de loin les possibilités existantes en matière de retouche d’image.
Si sur les logiciels d’édition classiques tels que Photoshop et son tampon, il est possible de dupliquer des pixels adjacents pour combler un blanc ou une partie corrompue, mais il est impossible de déterminer ce qui devrait être à la bonne place. Cela peut évidemment concerner les vieilles photos dont les couleurs peuvent s’effacer et faire disparaître des détails impossibles à restaurer.
L’I.A développée par Nvidia, ayant fait l’objet d’une publication sur arXiv.org, est un système d’apprentissage profond (deep learning) justement capable de déterminer ce qui devrait être visible dans les parties corrompues ainsi que les blancs. La méthode ici utilisée est la convolution partielle et l’I.A s’est entraînée à reconstruire des photos parmi des dizaines de milliers sur lesquelles des trous de variation ont été générés.
« Nous sommes les premiers à démontrer l’efficacité des modèles de peinture en profondeur de l’image dans des trous de forme irrégulière », ont déclaré les chercheurs de la firme américaine.
Par ailleurs, si les résultats ne sont pas toujours probants, comme le montre le communiqué publié par Nvidia le 22 avril 2018, l’intelligence artificielle pourrait être améliorée et devenir une référence en matière de retouche d’image. Enfin, Nvidia présentera son concept à l’International Conference on Learning Representations (ICLR) qui se déroulera du 30 avril au 3 mai 2018 au Vancouver Convention Center (Canada).
En vidéo :
Sources : Nvidia Developer РSi̬cle Digital
