Vous passez la photo de mariage de vos grands-parents dans l'application et elle ressort nette, avec des visages bien d\u00e9finis et des contours pr\u00e9cis. Le r\u00e9sultat est impressionnant \u2013 et m\u00e9rite une explication que presque personne ne donne.<\/p>\n
Ce d\u00e9tail n'y figurait pas.<\/b> L'intelligence artificielle n'a pas trouv\u00e9 d'informations cach\u00e9es dans l'image\u00a0: elle a g\u00e9n\u00e9r\u00e9 de nouvelles informations qui correspondent aux autres.<\/p>\n Le mod\u00e8le a appris \u00e0 quoi ressemblent habituellement les visages et les textures, puis a dessin\u00e9 ce qui manquait d'une mani\u00e8re coh\u00e9rente avec l'environnement.<\/p><\/div><\/div> Les traits fins, la forme des yeux et le sourire peuvent para\u00eetre diff\u00e9rents de l'original. Plus la photo est mauvaise, plus le mannequin en rajoute.<\/p><\/div><\/div> Agrandir une petite photo cr\u00e9e de nouveaux pixels par estimation. La nettet\u00e9 per\u00e7ue augmente\u00a0; l\u2019information r\u00e9elle, elle, reste inchang\u00e9e.<\/p><\/div><\/div> La version restaur\u00e9e est une interpr\u00e9tation. Le fichier original fait foi et ne doit pas \u00eatre \u00e9cras\u00e9.<\/p><\/div><\/div> Il existe des utilisations o\u00f9 il excelle et o\u00f9 le risque est faible. Supprimer les rayures, les taches, les plis et le jaunissement d'une photo num\u00e9ris\u00e9e.<\/b> Il s'agit d'une r\u00e9paration de dommages physiques\u00a0: les informations de l'image sont pr\u00e9sentes, et le mod\u00e8le ne nettoie que ce qui se trouve au-dessus.<\/p>\n Il en va de m\u00eame pour couleur d\u00e9lav\u00e9e corrig\u00e9e<\/b> et pour r\u00e9duire le bruit<\/b> \u00e0 partir d'une num\u00e9risation effectu\u00e9e en faible luminosit\u00e9. Ce sont des op\u00e9rations qui respectent le contenu de la photo.<\/p>\n Le probl\u00e8me se pose lorsque la photo est petite, tr\u00e8s floue ou de tr\u00e8s basse r\u00e9solution. Le mod\u00e8le dispose alors de peu d'informations et finit par cr\u00e9er plus qu'il ne corrige. C'est ainsi que se produisent cet effet de peau fig\u00e9e et ces visages qui se ressemblent sans \u00eatre identiques.<\/p>\n La colorisation d'une photo en noir et blanc est l'exemple le plus clair de cette limite. Les informations de couleur n'ont jamais exist\u00e9 dans ce film.<\/b> Le mod\u00e8le s\u00e9lectionne les couleurs les plus probables parmi des millions d'exemples.<\/p>\n Le r\u00e9sultat est g\u00e9n\u00e9ralement magnifique et saisissant, et c'est tout \u00e0 fait normal, du moment que le spectateur comprend clairement que la couleur est une reconstitution. La robe \u00e9tait peut-\u00eatre bleue et est apparue verte, et l'IA n'a aucun moyen de le savoir.<\/p>\n
\nElle comble les lacunes, elle ne les r\u00e9v\u00e8le pas.<\/h3>
\nC'est sur le visage que le risque appara\u00eet.<\/h3>
\nAugmenter ne signifie pas gagner en pr\u00e9cision.<\/h3>
\nConservez toujours l'original.<\/h3>
\n<\/div>\nQuand l'IA est vraiment utile.<\/h2>\n
La colorisation est une supposition fond\u00e9e.<\/h2>\n