L'intelligence artificielle peut désormais concevoir des images vidéo et de jeu réalistes

Si vous fermez les yeux et imaginez un mur de briques, vous pouvez probablement trouver une assez bonne image mentale. Après avoir vu de nombreux murs de ce type, votre cerveau sait à quoi on devrait ressembler.

Une startup au Royaume-Uni utilise l'apprentissage automatique pour permettre aux ordinateurs et aux smartphones de modéliser des informations visuelles de la même manière. Un ordinateur pourrait utiliser ces modèles visuels pour diverses tâches, de l'amélioration du streaming vidéo à la génération automatique d'éléments d'un monde virtuel réaliste.

Technologie Magic Pony , créé par des diplômés de l'Imperial College de Londres spécialisés dans les statistiques, la vision par ordinateur et les neurosciences, forme de grands réseaux de neurones pour traiter les informations visuelles.

Le flux de jeux vidéo en direct montre comment le système peut affiner les séquences floues en temps réel.

La société a développé un moyen de créer des vidéos ou des images de haute qualité à partir de vidéos à basse résolution. Il transmet des exemples d'images à un ordinateur, qui les convertit en une résolution inférieure, puis apprend la différence entre les deux. D'autres ont déjà démontré l'exploit, mais la société est capable de le faire sur un processeur graphique ordinaire, ce qui pourrait ouvrir des applications. Un exemple dont il a été démontré utilise la technique pour améliorer un flux de jeu en direct en temps réel.

Les algorithmes de Magic Pony peuvent affiner un personnage pixélisé.

Rob Bishop , un cofondateur, explique que Magic Pony est actuellement en pourparlers avec plusieurs grandes entreprises intéressées par l'octroi de licences pour la technologie. Les entreprises de streaming vidéo en ligne dépendent fortement de la compression vidéo, explique Bishop. Notre premier produit démontre que la qualité d'image peut être grandement améliorée grâce à l'apprentissage en profondeur, et les GPU mobiles rapides nous permettent désormais de le déployer n'importe où.

Bishop ajoute que la technologie pourrait améliorer la qualité des images capturées sur les smartphones avec des caméras à faible résolution ou en basse lumière. La société envisage d'autres applications, notamment la conversion d'images informatiques pixélisées en images haute résolution ou la génération automatique de kilomètres de terrains et de textures réalistes à partir d'exemples antérieurs pour des jeux ou des environnements de réalité virtuelle.

Ce qui est inhabituel dans l'approche de l'entreprise en matière de traitement des séquences vidéo, c'est qu'elle n'a pas besoin d'exemples étiquetés manuellement. Au lieu de cela, il reconnaît les modèles statistiques dans les exemples haute résolution et basse résolution, puis apprend lui-même à quoi devraient ressembler les bords, les textures, les lignes droites et d'autres caractéristiques.

Ce type d'apprentissage pourrait être important pour l'avenir de l'intelligence artificielle (voir Le chaînon manquant de l'intelligence artificielle). À ce jour, l'apprentissage en profondeur a principalement été appliqué comme moyen de reconnaître des objets de haut niveau tels que des visages particuliers dans des images et des vidéos, un exploit accompli en traitant de nombreux exemples étiquetés (voir 10 Breakthrough Technologies 2013 : Deep Learning).

Le système peut générer automatiquement des textures complexes, comme un mur de briques en détresse.

Le système peut générer automatiquement des textures complexes, comme un mur de briques en détresse.

Des chercheurs de Magic Pony présenteront un article lors d'une conférence sur la vision par ordinateur plus tard cette année. Mais Bishop dit que depuis la rédaction du document, son équipe a considérablement amélioré la technologie pour la rendre encore plus efficace.

Bishop explique que le nom de Magic Pony vient d'une réunion au cours de laquelle le premier investisseur a décrit la technologie comme un poney magique parce que personne ne le croirait sans le voir.

cacher