Google crée des versions haute définition d'images grâce au machine learning
Sur les écrans Retina qui sont devenus la norme, les images basse résolution font pâle figure. Elles apparaissent floues à cause de leur définition largement inférieure à celle de l'écran.
Google se propose d'améliorer cela grâce à une technologie exploitant le machine learning. RAISR, pour Rapide and Accurate Image Super-Resolution, produit des versions haute qualité d'images peu définies.
Pour commencer, Google assure que RAISR est 10 à 100 fois plus rapide que les autres techniques visant le même objectif, pour un résultat comparable ou meilleur. Cela permettrait de l'utiliser sur un terminal mobile en temps réel.
L'autre intérêt de cette technologie, c'est donc la qualité supérieure qu'elle délivre. Grâce à l'apprentissage automatique sur des couples d'images en basse et en haute résolution, RAISR est capable de trouver les filtres les plus appropriés qui vont « reconstruire » l'image en plus grand (les détails techniques sont présentés dans ce document).
L'algorithme de Google crée d'abord une version plus grande « cheap », puis analyse l'image pour sélectionner les meilleurs filtres et les applique enfin.
RAISR ne se contente pas de produire des versions plus nettes, elle peut aussi gommer des défauts de l'image originale, comme l'aliasing (effet d'escalier) et d'autres types d'artefacts.
RAISR est pour l'instant un projet de recherche, mais Google a déjà quelques idées en tête pour des utilisations concrètes. Cela pourrait améliorer la qualité des images quand on zoome sur smartphone et réduire la consommation de data en favorisant l'échange d'images basse résolution.
http://images-cdn.9gag.com/photo/2078832_700b.jpg
Excellent.
@huexley
?? excellent
@huexley
Hahaha magnifique !
@huexley
Ahah excellent :0)
@huexley
C'est tellement ça ! ??
@huexley
?????????
@huexley
Grandiose
Vive Trump, vive google, vive samsung.
@huexley +1000
@huexley
:-) Excellent exemple de techno farfelue dans le cinéma.
Par contre avec la technique de Google - truc de fou que j'attends depuis des années ! -
c'est qu'on va pouvoir donner une nouvelle jeunesse à nos bande vieilles vidéos VHS- 8mm - S-VHS - Hi-8, et tout ce que la télé a pu produire en bande 2 pouces / 1 pouces... Casettes BVU, BVU SP, Betacam, Betacam SP....
Bref le simili HD a un grand avenir, et pas seulement en photo !
La photo du RAISR en action, c'est l'œil de Trump?
??
Salut Macg,
C'est sympa de faire un peu de pub à Google ... mais je ne sais pas si ils en ont besoin. Ce principe de "reconstruction" (super-résolution) par apprentissage est très connu dans le domaine (alors que l'article semble laisser croire que Google aurait proposé cette approche).
De plus, contrairement à ce que laisse entendre cette phrase ("Pour commencer, Google assure que RAISR est 10 à 100 fois plus rapide que les autres techniques visant le même objectif, pour un résultat comparable ou meilleur."), on voit sur les graphs de résultats de l'article que les reconstructions sont de moins bonne qualité (relative), et qu'ils ont omis aussi de se comparer à des algos rapides qui existent actuellement (par exemple: http://perezpellitero.github.io/documents/PerezPellitero2016Cvpr.pdf) qui sont aussi rapides, avec de meilleurs résultats...
@fanchig
"résultats..."
Pourquoi Google ferait cette annonce si elle s'avérait fausse? Ce n'est pas une Keynote commerciale comme on connaît bien.
@en ballade
Il ne dit pas que c'est faux, il dit qu'ils ne sont ni les premiers, ni les meilleurs, ni les plus rapides.
@fanchig
Google doit faire un choix et trouver des compromis qui doit correspondre à ses besoins du moment (biz et tech), la recherche sur ces thématiques est extrêmement vivace et quasi tous les mois, il y a de nouveaux algos plus performants et des pistes nouvelles qui apparaissent, on ne peut pas implémenter, tester et mettre en prod en flux continu tous les algos de la planète.
Quel est le meilleur logiciel pour ca actuellement. ?!
Ç est impressionnant !
j'attends une puce spécialement dédiée à ce traitement dans nos mobiles pour très bientôt...
Avec une puce intégrée capable de ces miracles, cela va dérider nos grands-mères quand on les photographiera avec nos smartphones, et elle ressembleront toutes à Miss France !
Geneviève de Fontenay, candidate en 2017 !
Cela va l'encontre du principe d'entropie de l'information... on ne peut pas créer de l'info la ou elle n'existe pas... encore un gadget pour newbee de la photo...
@ Moumou92 : « Cela va l'encontre du principe d'entropie de l'information... on ne peut pas créer de l'info la ou elle n'existe pas... »
Comme toujours, quand on pense que quelque chose va à l’encontre de ce principe, ça signifie qu’on se trompe sur le fonctionnement de la chose en question.
Ici, il n’est nullement question de créer de l’information. Il s’agit en fait d’insérer dans une photo de l’information issue d’ailleurs (« ailleurs » étant une grosse base de photos qui a servi d’apprentissage). Exactement comme quand un humain complète mentalement une photo dont une partie est masquée, en se servant d’information issue de sa mémoire.
Et tout comme un humain, cet algorithme ne tombe pas parfaitement juste, visant seulement une approximation satisfaisante, et se trompe parfois complètement, en particulier si la photo à compléter n’a rien à voir avec celles vues durant l’apprentissage.
L'apparence n'est pas la réalité.
L'application ne peu pas restituer des détails supprimés, elle les inventent.
Magritte pourrait dire " ce n'est pas mon image"
Parfait, les marketeux en speed et en manque de compétences pourront piller Google Images et envoyer des images dégueulasses aux agences créas en leur disant "vous pouvez augmenter la qualité".