Le trope » zoomer et améliorer » est un cliché de la télévision, mais les progrès de l’IA en font lentement une réalité. Les chercheurs ont montré que l’apprentissage automatique peut agrandir des images à faible résolution, en restaurant la netteté qui n’existait pas auparavant. Maintenant, cette technologie fait son chemin vers les consommateurs, avec l’éditeur d’images Pixelmator parmi les premiers à offrir une telle fonctionnalité.
Le concurrent de Photoshop a annoncé aujourd’hui ce qu’il appelle « ML Super Resolution » pour la version Pro à 60 $ de son logiciel : une fonction qui, selon la société, peut mettre à l’échelle une image jusqu’à trois fois sa résolution d’origine sans défauts d’image comme la pixellisation ou le flou.
Après nos tests, nous dirions que cette affirmation nécessite quelques réserves. Mais dans l’ensemble, les performances de la fonction de super résolution de Pixelmator sont impressionnantes.
La pixellisation est lissée dans une gamme d’images, de l’illustration à la photographie en passant par le texte. Les résultats sont meilleurs que ceux fournis par les algorithmes d’upscaling traditionnels, et bien que le processus ne soit pas instantané (il a fallu environ huit secondes par image sur notre MacBook Pro 2017), il est suffisamment rapide pour être une aubaine pour les concepteurs et les éditeurs d’images de tous bords. Voici quelques exemples tirés de Pixelmator, avec une image basse résolution zoomée à gauche, et l’image traitée ML Super Resolution à droite :
Vous pouvez voir plus d’images sur le blog de Pixelmator, y compris des comparaisons avec des techniques de mise à l’échelle traditionnelles comme les algorithmes Bilinéaire, Lanczos et Plus Proche Voisin. Bien que la super résolution ML ne soit pas une baguette magique, elle donne des résultats constamment impressionnants.
La recherche sur la super résolution est en cours depuis un certain temps maintenant, avec des entreprises technologiques comme Google et Nvidia créant leurs propres algorithmes au cours des dernières années. Dans chaque cas, le logiciel est entraîné sur un ensemble de données contenant des paires d’images à basse et à haute résolution. L’algorithme compare ces données et crée des règles sur la façon dont les pixels changent d’une image à l’autre. Puis, lorsqu’on lui montre une image à basse résolution qu’il n’a jamais vue auparavant, il prédit quels pixels supplémentaires sont nécessaires et les insère.
Les créateurs de Pixelmator ont déclaré à The Verge que leur algorithme a été créé de toutes pièces afin d’être suffisamment léger pour fonctionner sur les appareils des utilisateurs. Il ne pèse que 5 Mo, alors que les algorithmes de recherche sont souvent 50 fois plus gros. Il est entraîné sur une gamme d’images afin d’anticiper les différents besoins des utilisateurs, mais l’ensemble de données d’entraînement est étonnamment petit – seulement 15 000 échantillons ont été nécessaires pour créer l’outil ML Super Resolution de Pixelmator.
L’entreprise n’est pas la première à proposer cette technologie dans le commerce. Il existe un certain nombre d’outils de super résolution à usage unique en ligne, notamment BigJPG.com et LetsEnhance.io. Lors de nos tests, les résultats de ces sites étaient de qualité plus inégale que ceux de Pixelmator (même s’ils étaient généralement bons), et les utilisateurs gratuits ne peuvent traiter qu’un petit nombre d’images. Adobe a également publié une fonction de super résolution, mais les résultats sont, là encore, moins spectaculaires.
Dans l’ensemble, Pixelmator semble offrir le meilleur outil commercial de super résolution que nous ayons vu (faites-nous savoir dans les commentaires si vous en connaissez un meilleur), et chaque jour, « zoomer et améliorer » devient moins une blague.
Correction : Une version antérieure de cette histoire incluait des comparaisons entre des images qui avaient été réduites de manière non destructive puis augmentées à l’aide de ML Super Resolution de Pixelmator, ce qui donnait des résultats améliorés de manière irréaliste. Ces comparaisons ont été supprimées. Nous regrettons cette erreur.