Réseaux de Neurones Multi-Echelle pour la Super-Résolution Stylisée
Résumé
Les algorithmes de Super-Résolution (SR) pour le traitement d’images ont beaucoup progressé ces dernières années. L’utilisation de réseaux convolutifs profonds fournit actuellement les résultats les plus impressionnants. Cependant, tr`es peu de ces techniques sont utilisées en pratique dans des logiciels d’infographie, du fait de pré-requis tech- niques importants (taille des réseaux en mémoire, calculs nécessitant des GPUs), mais aussi parce que l’utilisateur n’a que tr`es peu de contrôle sur le résultat généré. Pour pallier ces problèmes, nous proposons une approche de super-résolution en deux temps, baptisée Super-Résolution stylisée , qui repose sur une architecture multi-échelle composée de branches convolutives parallèles et indépendantes pour la génération d’images. Notre contribution est ainsi double, avec la description : i. d’un réseau léger inspiré des méthodes de filtrage classiques de traitement d’images, facilement utilisable sur des systèmes
sans GPU et à capacité mémoire limitée ; ii. d’un réseau polyvalent et personnalisable, autorisant un contrôle fin de la stylisation du rendu.
Origine : Fichiers produits par l'(les) auteur(s)