Si l'utilisation de l'appellation "intelligence artificielle" ne garantit pas de bons résultats en termes de qualité d'image, les progrès de ce domaine sont réguliers et trouvent parfois des applications photographiques. Une approche fondée sur le deep learning (ou apprentissage profond) permettrait désormais d'apprendre à un réseau de neurones à réduire le bruit numérique, et ce, uniquement à partir d'images comportant elles-mêmes du bruit numérique.
Baptisé "Noise2Noise: Learning Image Restoration without Clean Data" et mené par une équipe de chercheurs de Nvidia, de l'université Aalto et du MIT (Massachusetts Institute of Technology), ce projet a récemment été présenté à l'ICML 2018 (International Conference on Machine Learning) à Stockholm. Contrairement aux précédentes approches consistant en l'entraînement d'un réseau de neurones à la réduction du bruit numérique, la méthode mise en avant ne nécessite pas de paires d'images composées d'une photo comprenant du bruit numérique et d'une photo d'un même sujet dénuée de bruit, mais uniquement de paires d'images composées de deux photos contenant du bruit numérique.
Le réseau de neurones en question est donc capable d'apprendre à améliorer le rendu de photographies, uniquement à partir d'images dont le signal est détérioré. L'intérêt d'une telle méthode réside dans le fait que l'entraînement d'un réseau de neurones nécessite des milliers — voire des millions — d'images, et qu'il est logiquement plus facile de trouver deux images similaires affichant toutes deux du bruit numérique plutôt que deux images similaires, l'une contenant du bruit numérique et l'autre non.
Exemple de correction du bruit numérique.
Les applications pratiques d'une telle technologie concernent bien entendu l'amélioration de photographies capturées en situation de basse luminosité — on pense notamment à l'astrophotographie ainsi qu'aux images issues des petits capteurs des smartphones —, mais également au perfectionnement des vues obtenues grâce à la technique d'imagerie par résonance magnétique (IRM).
Exemple de reconstruction de vue IRM.
Suivez toute l'actualité des Numériques sur Google Actualités et sur la chaîne WhatsApp des Numériques
11