Ce modèle de machine learning inédit redonne une jeunesse aux vieilles photos
Des chercheurs de Microsoft et de l’université de Hong Kong ont créé un algorithme capable de restaurer de vieilles photographies abîmées. Pour y parvenir, ils ont dû élaborer une nouvelle modélisation de réseau neuronal en mesure de comprendre les nombreux types d’altérations pouvant toucher des clichés anciens.
Certains des progrès les plus spectaculaires de l’IA - et les plus visibles - ont trait à la retouche d’images. A l'instar des travaux présentés tout récemment par des chercheurs de Microsoft et de l’université de Hong Kong, qui ont mis au point une technique pour appliquer un bon coup de lifting à de vieilles photographies. Leur algorithme peut par exemple redonner une jeunesse à des portraits dont le temps à fait passer la brillance et les couleurs. Ou lisser des photos endommagées par des pliures et écornures.
La grande diversité des dégradations pouvant toucher les photos anciennes ne permet pas de faire appel à des modélisations de restauration d’images qui ont déjà fait leurs preuves, expliquent les chercheurs. Des modèles de deep learning basés sur des réseaux neuronaux convolutifs peuvent par exemple apprendre une tâche pour améliorer la qualité de photos, en étant au préalable entraîné via une multitudes d’images synthétiques simulant des dégradations spécifiques. Or, la trop grande dissemblance entre ces images artificiellement dégradée et des photos anciennes abîmées empêche les réseaux neuronaux de créer des règles génériques. Un phénomène notamment dû à l’évolution progressive des techniques de photographie qui produisent des clichés contenant des artefacts différents selon les époques.
Pour créer leur algorithme de restauration de photos anciennes, les chercheurs ont ainsi imaginé un réseau de traduction en triplet. Dans un premier temps, un auto-codeur variationnel compare les images synthétiques dégradées et les images anciennes dans ce que les chercheurs nomment un espace latent, constituant un noeud supplémentaire au sein du réseau neuronal. Les informations de ce premier espace latent sont ensuite croisées avec un second espace latent où les règles de restauration entre les images synthétiques dégradées et leurs originaux sont déduites. Le schéma ci-dessous et le billet de blog des chercheurs apportent davantage de détails.
Le domaine de la restauration d’image à coup d’IA semble particulièrement dynamique en ce moment. Il y a peu, d’autres chercheurs avaient dévoilé un algorithme capable de recréer une image HD à partir d’une image floutée.
