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.
Je crois que vous vous prenez tous la tête. Bien sûr que ces réseaux de neurones n'ont pas plus d'informations sur la "réalité" de l'image. Mais c'est quoi la réalité? En photographie, ou en imagerie artistique de manière générale, le but est d'avoir une bonne image finale. Quand ce sont des images représentants la réalité, le terme employé généralement est "crédibilité". On veut surtout une belle image crédible, pas forcément réaliste.
Pour en revenir donc à la demande initiale, Stinouff vous dit qu'il a testé ce site et que ça lui a donné des bons résultats, et vous venez tous lui faire la leçon que c'est pas possible de créer des informations qui n'existent pas alors qu'il a eu des résultats probants, là en vrai devant ses yeux! Et oui, vous avez raison dans la théorie (on ne crée pas de l'information à partir de rien), mais dans la pratique, ces algorithmes basés sur des réseaux de neurone y arrivent bien. Certes ces données créées viennent de l'apprentissage avec d'autres images. Certes ce n'est donc "pas la réalité". Mais même l'image originelle est-elle la "réalité"? J'ai lu suffisamment d'articles de photographes ou vu de confs de photographes qui expliquent que la photographie n'est pas la réalité pour affirmer que "non", ce n'est pas la réalité (au point qu'il y a des articles Wikipedia sur le sujet!). La photographie n'est pas la réalité donc déjà à la base, vous basez votre argumentation sur quelque chose de fragile. :-D
Perso je n'ai pas testé ce site car je n'ai pas envie de faire un compte et d'y balancer plein de photos persos, mais je n'ai pas de doute que c'est possible d'agrandir en gardant un résultat crédible. Les algos dits de "Super Resolution" sont très à la mode depuis plusieurs années, y a pleins de papiers de recherche sur des solutions diverses et a priori l'usage de réseaux de neurones sont une des solutions communes. Vous pourrez voir plein d'exemples sur des centaines d'articles sur le web qui montrent des résultats parfois impressionnants. Ça peut donner des résultats crédibles dans certains cas, c'est un fait. Faites juste une recherche sur le sujet.
Bon et maintenant pour faire une réponse à Stinouff: malheureusement, je ne crois pas qu'il existe une solution libre simple à mettre en place à l'heure actuelle pour la super résolution. En tous cas, pas dont j'ai entendu parler. :-/
En fait de ce que j'en ai compris, ce qui marche le mieux pour l'instant, c'est les réseaux de neurones, avec beaucoup de couches. On en arrive à avoir un modèle qui fait plusieurs GB. Pour une application de bureau, plusieurs GB à garder en mémoire juste pour faire tourner son algorithme (plus l'OS, le programme, l'image d'entrée, de sortie, etc.), c'est assez contraignant. Sans compter l'espace disque. Imaginez si GIMP par exemple faisait 10GB à l'installation sur votre disque (et si on se mettait à avoir plusieurs filtres utilisant des réseaux de neurones, ça pourrait grimper vite). Ce serait un problème!
Voilà, donc de ce que je comprends, ce serait le principal problème à ces algorithmes de nos jours. Technologiquement ce n'est pas forcément très complexe, et les papiers de recherche sont en général publics, donc implémentables. En plus on a des logiciels libres pour entraîner des réseaux de neurones (on lit parfois sur le sujet sur linuxfr). Donc y a pas grand chose techniquement qui empêcherait d'avoir ça si ce n'est que ce n'est pas pratique à utiliser. Et ça explique pourquoi la plupart des implémentations de nos jours sont des gens qui font tourner leur réseau sur un serveur qui ne fait que traiter des images à travers ce modèle, avec un business model consistant à faire payer les gens pour y uploader leur photos et obtenir un résultat.
Film d'animation libre en CC by-sa/Art Libre, fait avec GIMP et autre logiciels libres: ZeMarmot [ http://film.zemarmot.net ]
[^] # Re: Entropie
Posté par Jehan (site web personnel, Mastodon) . En réponse au message Améliorer la définition d'une photographie.. Évalué à 6.
Je crois que vous vous prenez tous la tête. Bien sûr que ces réseaux de neurones n'ont pas plus d'informations sur la "réalité" de l'image. Mais c'est quoi la réalité? En photographie, ou en imagerie artistique de manière générale, le but est d'avoir une bonne image finale. Quand ce sont des images représentants la réalité, le terme employé généralement est "crédibilité". On veut surtout une belle image crédible, pas forcément réaliste.
Pour en revenir donc à la demande initiale, Stinouff vous dit qu'il a testé ce site et que ça lui a donné des bons résultats, et vous venez tous lui faire la leçon que c'est pas possible de créer des informations qui n'existent pas alors qu'il a eu des résultats probants, là en vrai devant ses yeux! Et oui, vous avez raison dans la théorie (on ne crée pas de l'information à partir de rien), mais dans la pratique, ces algorithmes basés sur des réseaux de neurone y arrivent bien. Certes ces données créées viennent de l'apprentissage avec d'autres images. Certes ce n'est donc "pas la réalité". Mais même l'image originelle est-elle la "réalité"? J'ai lu suffisamment d'articles de photographes ou vu de confs de photographes qui expliquent que la photographie n'est pas la réalité pour affirmer que "non", ce n'est pas la réalité (au point qu'il y a des articles Wikipedia sur le sujet!). La photographie n'est pas la réalité donc déjà à la base, vous basez votre argumentation sur quelque chose de fragile. :-D
Perso je n'ai pas testé ce site car je n'ai pas envie de faire un compte et d'y balancer plein de photos persos, mais je n'ai pas de doute que c'est possible d'agrandir en gardant un résultat crédible. Les algos dits de "Super Resolution" sont très à la mode depuis plusieurs années, y a pleins de papiers de recherche sur des solutions diverses et a priori l'usage de réseaux de neurones sont une des solutions communes. Vous pourrez voir plein d'exemples sur des centaines d'articles sur le web qui montrent des résultats parfois impressionnants. Ça peut donner des résultats crédibles dans certains cas, c'est un fait. Faites juste une recherche sur le sujet.
Bon et maintenant pour faire une réponse à Stinouff: malheureusement, je ne crois pas qu'il existe une solution libre simple à mettre en place à l'heure actuelle pour la super résolution. En tous cas, pas dont j'ai entendu parler. :-/
En fait de ce que j'en ai compris, ce qui marche le mieux pour l'instant, c'est les réseaux de neurones, avec beaucoup de couches. On en arrive à avoir un modèle qui fait plusieurs GB. Pour une application de bureau, plusieurs GB à garder en mémoire juste pour faire tourner son algorithme (plus l'OS, le programme, l'image d'entrée, de sortie, etc.), c'est assez contraignant. Sans compter l'espace disque. Imaginez si GIMP par exemple faisait 10GB à l'installation sur votre disque (et si on se mettait à avoir plusieurs filtres utilisant des réseaux de neurones, ça pourrait grimper vite). Ce serait un problème!
Voilà, donc de ce que je comprends, ce serait le principal problème à ces algorithmes de nos jours. Technologiquement ce n'est pas forcément très complexe, et les papiers de recherche sont en général publics, donc implémentables. En plus on a des logiciels libres pour entraîner des réseaux de neurones (on lit parfois sur le sujet sur linuxfr). Donc y a pas grand chose techniquement qui empêcherait d'avoir ça si ce n'est que ce n'est pas pratique à utiliser. Et ça explique pourquoi la plupart des implémentations de nos jours sont des gens qui font tourner leur réseau sur un serveur qui ne fait que traiter des images à travers ce modèle, avec un business model consistant à faire payer les gens pour y uploader leur photos et obtenir un résultat.
Film d'animation libre en CC by-sa/Art Libre, fait avec GIMP et autre logiciels libres: ZeMarmot [ http://film.zemarmot.net ]