En quoi l'apport externe d'un humain est différent de l'apport externe d'un réseau neuronal ?
Je pensais à tous les traitements basés sur l'image elle même, certains très puissants qui sont basés sur des équations différentielles. Ces traitements améliorent le contraste ou la netteté mais pas la quantité d'information.
Pour un réseau de neurone, je ne sais pas mais j'ai envie de dire contre le sens premier que cela ne change rien. L'image finale est certes plus belle mais elle n'a pas plus d'information. Cependant, le réseau de neurones stocke en partie les milliers (millions d'image) qu'on lui a fait mangé donc il est possible qu'il en injecte une partie dans l'image finale ? Dans ce cas là, l'image finale pourrait (conditionnel car j'ai quand même des doutes) avoir plus d'information globalement que l'image initiale mais pas plus d'information sur la « réalité » représentée par l'image initiale. Reprenons l'exemple de la voiture vendue en une seule couleur, par exemple rouge. Le logiciel va alors la mettre en rouge. En pratique, le propriétaire l'avait peut être repeinte en jaune. On n'en sais rien. Le réseau de neurone crée une fausse réalité, certes belle, mais n'ayant pas plus d'information sur la réalité initiale que la première image. Le traitement a crée une image composite. Ce serait intéressant d'avoir l'avis de David Tschumperlé car c'est lui le super spécialiste ici de ce genre de question ;-)
Si tu combles un trou avec une copie d'une autre image, là tu as un apport d'information extérieure. Dans le cadre du trou noir, il me semble que ce sont des millions de données mixer qui ont donné l'image finale. Le cas me semble donc très éloigné du présent sujet. On récupère des gouttes d'information à droite et à gauche pour les assembler dans une seule et même vue 2D.
[^] # Re: Entropie
Posté par Sytoka Modon (site web personnel) . En réponse au message Améliorer la définition d'une photographie.. Évalué à 2.
Je pensais à tous les traitements basés sur l'image elle même, certains très puissants qui sont basés sur des équations différentielles. Ces traitements améliorent le contraste ou la netteté mais pas la quantité d'information.
Pour un réseau de neurone, je ne sais pas mais j'ai envie de dire contre le sens premier que cela ne change rien. L'image finale est certes plus belle mais elle n'a pas plus d'information. Cependant, le réseau de neurones stocke en partie les milliers (millions d'image) qu'on lui a fait mangé donc il est possible qu'il en injecte une partie dans l'image finale ? Dans ce cas là, l'image finale pourrait (conditionnel car j'ai quand même des doutes) avoir plus d'information globalement que l'image initiale mais pas plus d'information sur la « réalité » représentée par l'image initiale. Reprenons l'exemple de la voiture vendue en une seule couleur, par exemple rouge. Le logiciel va alors la mettre en rouge. En pratique, le propriétaire l'avait peut être repeinte en jaune. On n'en sais rien. Le réseau de neurone crée une fausse réalité, certes belle, mais n'ayant pas plus d'information sur la réalité initiale que la première image. Le traitement a crée une image composite. Ce serait intéressant d'avoir l'avis de David Tschumperlé car c'est lui le super spécialiste ici de ce genre de question ;-)
Si tu combles un trou avec une copie d'une autre image, là tu as un apport d'information extérieure. Dans le cadre du trou noir, il me semble que ce sont des millions de données mixer qui ont donné l'image finale. Le cas me semble donc très éloigné du présent sujet. On récupère des gouttes d'information à droite et à gauche pour les assembler dans une seule et même vue 2D.