L'intelligence artificielle rend les visages flous plus de 60 fois plus nets

Cette IA transforme les photos pixélisées floues en portraits hyperréalistes qui ressemblent à de vraies personnes. Le système augmente automatiquement la résolution de n’importe quelle image jusqu’à 64x, «imaginant» des fonctionnalités telles que les pores et les cils qui n’étaient pas là en premier lieu. Crédit: Duke University

Un outil de retouche photo conçu par une équipe de programmation de l’Université Duke à Durham, en Caroline du Nord, ouvre des perspectives pour des images plus nettes et plus propres dans les présentations numériques et promet également des heures de plaisir aux fans de jeux vidéo plus âgés qui peuvent désormais générer des visages cristallins pour les personnes à faible personnages de pixels qui peuplaient les premiers produits. Mais l’outil a également fait surgir de manière inattendue des préoccupations concernant les biais dans l’utilisation des ensembles de données dans les projets massifs d’apprentissage automatique.

PULSE, Photo Upsampling via Latent Space Exploration, a été créé par les chercheurs de Duke pour créer des images plus réalistes à partir de données source à faible pixel. Dans son document de recherche distribué plus tôt cette année, l’équipe a expliqué en quoi son approche différait des efforts antérieurs pour générer des images réalistes à partir d’images 8 bits.

“Au lieu de commencer par l’image basse résolution et d’ajouter lentement des détails, PULSE traverse le collecteur d’images naturelles haute résolution, recherchant des images qui se réduisent à l’image basse résolution d’origine”, indique le rapport.

Cela signifie que leur algorithme pour construire des visages réalistes s’inspire d’ensembles de données massifs d’images de personnes réelles.

Le système PULSE peut convertir une image de 16 pixels x 16 pixels en une image de 1024 pixels par 1024 pixels en quelques secondes.

Parallèlement à leurs conclusions, l’équipe a téléchargé PULSE sur GitHub et encouragé l’expérimentation.

Denis Malimonov, un développeur russe, a construit et distribué sa propre application la semaine dernière, appelée Face Depixelizer. La réponse sur Twitter a été immédiate car les utilisateurs ont téléchargé leurs propres résultats de représentations souvent humoristiques de personnages de jeux classiques tels que Steve et un Creeper de Minecraft, Mario de Super Mario et Link de Legend of Zelda.

L’équipe Duke reconnaît la valeur de divertissement de PULSE, mais note qu’il devrait s’avérer utile, pratiquement et économiquement, à une époque de plus grands degrés d’exploration et de recherche.

“Dans ce travail, nous visons à transformer des images floues à basse résolution en images nettes, réalistes et à haute résolution”, indique le rapport. «Dans de nombreux domaines… des images nettes et à haute résolution sont difficiles à obtenir en raison de problèmes de coût, de restrictions matérielles ou de limitations de mémoire.»

Ils ont cité la médecine, l’astronomie, la microscopie et l’imagerie satellite comme des domaines susceptibles de bénéficier de leurs efforts.

Mais le week-end dernier, les utilisateurs de Twitter ont commencé à signaler une tendance troublante dans leur expérimentation. Plusieurs ont rapporté que lorsqu’ils utilisaient des images de personnes de couleur, les images régénérées les transformaient en figures blanches. L’ancien président Barack Obama, le défunt boxeur champion du monde Muhammad Ali, l’actrice Lucy Liu et le représentant de New York Alexandria-Ocasio Cortez ont tous été rendus comme des Blancs avec les applications.

Les résultats regrettables n’auraient pas dû être totalement inattendus. Parallèlement à l’application croissante de l’apprentissage automatique et de l’intelligence artificielle dans les projets de recherche, on s’appuie de plus en plus sur des ensembles de données massifs pour alimenter cette recherche. Mais les rapports de ces dernières années ont averti que certains des ensembles de données les plus couramment utilisés contiennent des informations qui ne sont pas représentatives de la société dans son ensemble. Un rapport a noté qu’une base de données couramment utilisée contient du contenu composé à 74% d’hommes et à 83% de blancs, ce qui souligne les préoccupations concernant le potentiel de préjugé sexiste et de sous-représentation raciale.

En 2018, un outil d’application de la loi qui affichait un taux d’erreur d’identification faciale inférieur à 1% pour les hommes à la peau claire a néanmoins erré 35% du temps dans la détermination du sexe des sujets à la peau plus foncée.

Microsoft, Amazon et IBM ont récemment annoncé qu’ils arrêtaient ou limitaient les ventes d’outils de reconnaissance faciale aux services de police en raison, en partie, de leurs préoccupations concernant la race, le sexe, l’ethnicité et les préjugés liés à la dépendance à l’intelligence artificielle.

De tels biais dans les ensembles de données sont particulièrement préoccupants à la suite des troubles survenus ces dernières semaines à la suite de cas filmés de fusillades policières mortelles et d’étouffement de suspects noirs.

Comme Irene Chen, étudiante diplômée du MIT et co-auteur d’un rapport universitaire de 2018 sur le biais de l’IA, a déclaré: “Les algorithmes ne sont aussi bons que les données qu’ils utilisent, et nos recherches montrent que vous pouvez souvent faire une plus grande différence avec de meilleures données . ” Elle a ajouté que ce ne sont pas davantage de données qui doivent corriger le biais, mais des données plus représentatives.


L’intelligence artificielle rend les visages flous plus de 60 fois plus nets


Plus d’information:
PULSE: Suréchantillonnage de photos auto-supervisé via l’exploration en espace latent de modèles génératifs, arXiv: 2003.03808 [cs.CV] arxiv.org/abs/2003.03808

github.com/tg-bomze/Face-Depixelizer

colab.research.google.com/gith… epixelizer_Eng.ipynb

© 2020 Science X Network

Citation:
L’outil AI transforme les visages à faible pixel en images réalistes (2020, 23 juin)
récupéré le 24 juin 2020
sur https://techxplore.com/news/2020-06-ai-tool-low-pixel-realistic-images.html

Ce document est soumis au droit d’auteur. Hormis toute utilisation équitable aux fins d’études ou de recherches privées, aucun
une partie peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.