Le contexte

La super-résolution d’images est le terme scientifique pour retrouver une image haute définition à partir d’une version basse résolution. En photo, c’est une mise à l’échelle. L’approche classique est de créer des nouveaux pixels par ré-échantillonnage des pixels basse résolution (comme l’outil Photoshop de ré-échantillonnage bicubique). Ces méthodes produisent des images haute résolution plutôt floues.

L’approche moderne de la super-résolution est de reconstruire les détails perdus dans l’image basse résolution. Il va sans dire que cela est impossible : l’image recouvrée ne sera pas la même pixel à pixel que l’image originale. Cependant, cela n’est pas l’objectif. Le but est de synthétiser une image haute résolution qui fait naturelle.

Les applications de cette technologie vont de l’amélioration de la qualité d’image prise par des capteurs basse résolution (comme ceux des smartphones) à l’économie d’espace et de bande passante pour stocker et communiquer des contenus multimédia. Par exemple, dans les années 2000, le format mp3pro était une amélioration compatible du célèbre format audio mp3 : son décodeur ‘re-construisait’ les hautes fréquences du spectre audio qui étaient décimées par l’encodeur mp3.

Les faits

Un article scientifique récent apporte une avancée notable en super-résolution d’images.

EnhanceNet: Single Image Super-Resolution Through Automated Texture Synthesis, Mehdi S. M. Sajjadi, Bernhard Schölkopf, Michael Hirsch

Il a été présenté à la dernière conférence ICCV en octobre 2017 (International Conference on Computer Vision). Voir aussi le site du Max Planck Institute.

Un réseau de neurones a appris à partir de centaines de milliers d’images à prédire les textures à ajouter aux images basse résolution. Encore une fois, il ne s’agit pas de recouvrer les détails perdus, mais de synthétiser des textures qui paraissent naturelles. à l’oeil humain. L’article présente l’algorithme Enhance-net. Les auteurs reconnaissent qu’il produit des bonnes images la plupart du temps, mais peut aussi complètement se planter de temps en temps. C’est de la recherche pour l’instant.

Some photo websites ( like DPreview ) recently mentions this excellent work, dreaming of the increase of smartphone image quality.

Ce qu’en pense Imatag ?

Etant bien orienté protection d’image, nous pensons immédiatement à la menace suivante : Beaucoup de photographes publient des images basse résolution sur leur site Internet ou les réseaux sociaux. Cela fait la promotion des leurs Oeuvres tout en les protégeant. Ce papier scientifique montre que cette pratique ne sera bientôt plus sûre.

Le problème crucial d’Imatag est de savoir si notre tatouage invisible est robuste à EnhanceNet.
Alors, prenons cette image protégée par Imatag de taille 4248 x 2832. On la télécharge en moyenne qualité (1280 x 853 pixels).

©Teddy Furon
original

On la réduit drastiquement au format 320 x 213 pixels. Notre tatouage est encore détecté !

©Teddy Furon
low res

Reconstruisons maintenant une image de taille 1280 x 853 pixels par mise à l’échelle bicubique. Le résultat est flou, pas vraiment exploitable. Notre tatouage est toujours présent.

©Teddy Furon
bicubic

Maintenant, on fait tourner l’algorithme Enhance-Net pour produire une image 1280 x 853 pixels à partir de la basse résolution 320 x 213 pixels. Le résultat est bien meilleur … et notre tatouage est toujours présent. L’image est toujours protégée.

©Teddy Furon
EnhanceNet