Machine Learning et Photoshop : un mariage à creuser pour réaliser facilement ses idées

Avec l’application RTX Voice, NVIDIA nous a gratifiés d’une jolie démonstration de la force du machine learning pour des applications autres que le jeu et son fameux DLSS. Néanmoins, si nous nous fions (prout) aux travaux réalisés dans la recherche, ces premiers résultats ne sont que l’aube des possibilités d’utilisation de ces techniques dans les divers environnements quotidiens.

Par exemple, pour les graphistes et les photoshoppers du dimanche, le détourage d’images est une activité fastidieuse et difficilement automatisable... et les techniques d’IA actuelles peuvent y remédier.

En se basant sur les résultats d’un papier de l’Université d’Alberta, située au Canada, un développeur-graphiste chez Google Art s’est amusé à intégrer l’outil sur terminal mobile via une application React Native. Le principe est enfantin : prendre une photo d’un objet de l’entourage, puis pointer son écran, et hop, l’objet du cliché se retrouve intégré au photomontage. Sur un iPhone, l’opération prend environ 2,5 secondes pour copier et 4 secondes pour coller sur l’écran... Pas si mal au vu de la complexité du papier de recherche à la base du détourage automatique !

 Pas à la portée de tout le monde, cette structure interne !

Au niveau théorique, il s’agit — comme d’habitude — d’un réseau de neurones profond, cette fois-ci en deux parties : la première détourant l’objet, et la seconde s’occupant de raffiner les bords pour évincer les artefacts reconnaissables (que nous retrouvons également sur les mauvais fonds verts, par exemple).

Pour le moment, l’application n’est qu’un projet annexe, mais certaines entreprises se montrent d’ores et déjà intéressées pour ce genre de concept. En l’état, la chose est plus impressionnante que révolutionnaire — un graphiste préférera très probablement repositionner son calque à la main plutôt que de scanner son écran avec un téléphone — mais saura pour sûr trouver son public une fois mûrie. Bientôt dans un plug-in ?