Vous cherchez à améliorer la qualité de vos photographies pixelisées et vous souhaitez les restaurer, c’est possible grâce à un outil gratuit et open-source.
Cet outil, développé avec Python s’appelle Real-ESRGAN et permet de restaurer n’importe quel média possédant des images (images ou vidéos).
Nous allons voir comment restaurer un « meme » et lui donner une seconde vie grâce au deep learning (ou apprentissage profond). Le deep learning consiste à ce qu’une intelligence artificielle parvienne à assimiler de nouvelles connaissances à travers un réseau de neurones artificiels.
Comment restaurer un média avec Real-ESRGAN ?
Pour restaurer un média avec Real-ESRGAN, commencez par cloner le dépôt sur votre ordinateur. L’outil est développé avec Python et est disponible sur Windows, Linux, et MacOS, ce dernier sera utilisé dans mon exemple parce-que c’est le système d’exploitation que j’utilise actuellement.
Une fois le dépôt cloné, ouvrez votre terminal et saisissez cette commande :
./realesrgan-ncnn-vulkan -i input.jpg -o output.jpgCette commande exécutera l’outil realesrgan-ncnn-vulkan avec deux arguments, le premier est « l’input », et le second « l’output », comprenez ici : l’entrée et la sortie. L’entrée est le fichier pixelisé ou le média que vous souhaitez restaurer, et la sortie est le fichier restauré qui sera créé après la restauration.
Dans mon exemple, j’ai utilisé un meme connu (success kid).
On peut voir que l’image n’est pas propre, elle est presque pixelisée et mériterait d’être restaurée. Je saisi ma commande de restauration avec l’outil Real-ESRGAN et j’attends que le processus soit terminé.
Voici le résultat :
La qualité d’image est améliorée, a presque triplée en résolution, et pèse donc presque 10 mega-octets contre initialement quelques kilo-octets.
Cinq models sont fournis par Real-ESRGAN pour restaurer vos médias.
- realesrgan-x4plus (par défaut)
- realesrnet-x4plus
- realesrgan-x4plus-anime (optimisé pour les animes)
- RealESRGANv2-animevideo-xsx2 (pour les vidéos d’animes, puissance 2)
- RealESRGANv2-animevideo-xsx4 (pour les vidéos d’animes, puissance 4)
Pour utiliser ces models, il suffit d’ajouter un argument à la commande présentée précédemment.
./realesrgan-ncnn-vulkan -i input.jpg -o output.jpg -n realesrnet-x4plusDécouvrez également comment l’intelligence artificielle crée votre portrait peinture de la Renaissance.
