Super-résolution et restauration
Rendre nettes des images petites, floues ou anciennes
Le texte intégral est présenté en anglais ; le titre et le résumé sont localisés.
CE QUE DÉSIGNE CETTE CAPACITÉ
Takes a low-resolution image or a degraded one — blurry, noisy, scratched — and outputs a higher-resolution or cleaner version. It is not mere upscaling: it fills high-frequency detail from learned image priors, and precisely because it fills, some of it is guesswork. Unlike image-to-image the goal is restoration, not stylisation.
Comment c'est fait
The classic route regresses high-resolution pixels with convolutional networks and leans on perceptual and adversarial losses for crisper texture, trading pixel fidelity for realism. Diffusion models were later adopted to fill detail from a generative prior, doing better on severe degradation. Because real-world degradation is complex and unknown, training often randomises the degradation so the model does not depend on one fixed downsampling.
Produits représentatifs
4Stable Diffusion
2022A libéré les poids texte-image et les a rendus exécutables sur des GPU grand public
FLUX
2024Génère des images haute résolution avec un transformer à flux rectifié
Diffusers
2022Implémentation et planificateur unifiés des modèles de diffusion
Firefly
2023Un outil de génération et d’édition d’images pour les créateurs
Organisations concernées
Usages typiques
- Restoring old photos and family footage
- Detail enhancement for surveillance and satellite imagery
- Sharpening medical and microscopy images
- Upscaling assets for print and publishing
Comment on l'évalue
- PSNR
- Peak signal-to-noise ratio, a pixel-level fidelity measure
- SSIM
- Structural similarity, closer to human judgement than PSNR
- LPIPS
- Perceptual distance, judging naturalness of texture
Limites et points difficiles
- It invents texture that was never there; enlarged faces and text can become something else entirely
- High PSNR does not mean it looks good; over-smoothed outputs score well yet lack detail
- Generalisation is poor on degradation types unseen in training, such as a particular compression artefact
Concepts sous-jacents
Représentation numérique de l’image
Pour une machine, une photo n’est qu’une pile de grilles de nombres
Réseaux de neurones convolutifs
Remplacer les connexions denses par « regarder localement et réutiliser le même filtre partout » : l’idée qui a rendu la reconnaissance d’images enfin fonctionnelle
Réseaux antagonistes génératifs
Un faussaire face à un expert : chacun pousse l’autre à sa limite