Vous obtenez le résultat réel, et non un aperçu flou.Gratuit signifie que vous recevez la photo restaurée en pleine résolution, soit le même fichier qu’un outil payant vous vendrait.
« Restaurez votre photo en un seul clic » semble magique, et la plupart des sites se contentent d’en rester là. Nous préférons que vous compreniez ce qui se passe réellement : comprendre son fonctionnement vous indique également précisément ce qu’il ne peut pas faire.
Les modèles de restauration par IA sont entraînés sur des millions de photos afin qu’ils apprennent à reconnaître les détails nets, les couleurs naturelles et les visages réalistes, puis ils reconstruisent une version plausible de votre photo endommagée en se basant sur ces connaissances. Il s'agit d'une synthèse convaincante, et non de la récupération des données originales : idéale pour les photos délavées, floues ou de faible résolution, mais moins efficace si des éléments sont physiquement manquants.
Chaque modèle de restauration est un réseau neuronal entraîné de la même manière : on prend des millions de photographies nettes, on crée artificiellement des copies dégradées (floues, réduites, avec du grain, compressées, délavées), puis on entraîne le réseau à transformer chaque copie dégradée en sa version originale nette. On répète l’opération à grande échelle, et le réseau apprend deux choses : comment la dégradation affecte les photos réelles, et à quoi ressemblent réellement les versions nettes des textures du monde réel (peau, cheveux, tissu, briques, feuillage).
Lorsque vous lui soumettez ensuite votre scan délavé, il applique les connaissances acquises : « cette tache, dans ce contexte, correspond à l’aspect qu’aurait une image nette après cinquante ans de détérioration : voici cette image reconstituée. » Il ne récupère pas les pixels perdus de votre photo à partir d’une source externe ; il synthétise de nouveaux pixels qui sont statistiquement cohérents avec ce qui reste. Cette distinction est importante, et nous y reviendrons.
Le mode d’amélioration et de netteté utilise un modèle de super-résolution, une architecture ouverte largement utilisée et bien étudiée. À partir d’une image donnée, il génère une version avec quatre fois plus de pixels dans chaque direction, en remplissant les nouveaux pixels avec des textures apprises plutôt qu’avec l’interpolation douce utilisée par un éditeur de photos classique.
La différence est facile à constater. L’agrandissement classique (interpolation bicubique) fait la moyenne des pixels voisins, de sorte qu’un agrandissement 4 x ne produit qu’un flou plus important. Un modèle de super-résolution se demande plutôt, pour chaque région : « quelle structure nette a le plus probablement créé ces pixels flous ? » et il la dessine. Les contours deviennent réellement nets, le grain du film et les blocs JPG sont nettoyés au passage, et les textures retrouvent des détails crédibles. Il a en particulier été entraîné sur des images fortement dégradées (flou + bruit + compression combinés), ce qui explique pourquoi il gère si bien les anciens scans, dont les dommages sont toujours une combinaison désordonnée plutôt qu’un défaut unique.
Deux remarques pratiques concernant son fonctionnement : les grandes photos sont traitées en tuiles superposées afin que le GPU puisse les gérer, et l’entrée est limitée à une taille raisonnable : soumettre un scan de 60 mégapixels à un modèle 4 x produirait autrement des fichiers absurdes. Plus votre image d’origine est bonne, meilleur sera le résultat, c’est pourquoi un bon scan est important : consultez notre guide sur la numérisation.
Le mode de colorisation fait quelque chose d’un peu différent. Une photo en noir et blanc contient déjà les niveaux de luminosité Pour chaque pixel : ce qui manque, c’est l’information sur la couleur. Le modèle conserve intact le canal de luminosité et prédit uniquement les deux canaux de couleur, en se basant sur le contexte : il a appris à partir de millions de photos que le ciel est bleu, le feuillage est vert, la peau se situe dans une certaine gamme, et le bois est marron. Comme la luminosité d’origine est préservée, le résultat conserve chaque détail de la structure réelle de la photo : le modèle ne fait que « peindre à l’intérieur des lignes » qu’il reçoit.
La colorisation est une prédiction plausible, et non un document historiqueLe modèle ne peut pas savoir si la robe de votre grand-mère était réellement rouge : il choisira une couleur qui est statistiquement probable pour une robe de cette teinte à cette époque. Les objets sans codes couleurs forts (voitures, vêtements, murs peints) sont précisément ceux pour lesquels il fait les plus grandes suppositions. Considérez une photo colorisée comme une interprétation qui permet de se rapprocher du passé, et non comme une preuve des couleurs réelles des choses.
Les visages bénéficient d’un mode spécifique (restaurer les visages) pour une bonne raison : les humains sont très sensibles aux visages. Un algorithme d’amélioration générique qui fait un excellent travail sur un mur de briques peut laisser un visage légèrement « déformé » d’une manière que tout le monde remarque instantanément. Les modèles de restauration des visages (le nôtre est issu de la famille CodeFormer) sont entraînés exclusivement sur des visages, ils disposent donc de connaissances antérieures beaucoup plus solides sur la structure faciale : l’aspect des yeux, des dents et de la texture de la peau à tout âge et sous tous les angles. Le processus détecte chaque visage dans la photo, le restaure avec le modèle spécialisé, puis le réintègre dans l’image environnante.
Ces modèles disposent d’un réglage de « fidélité » : en l’ajustant d’un côté, le résultat reste au maximum fidèle à l’image dégradée (mais restaure moins) ; en l’ajustant de l’autre côté, les visages ressortent magnifiquement nets (mais le modèle invente davantage). Nous utilisons un réglage intentionnellement axé sur la fidélité, car pour les photos de famille, la ressemblance est plus importante que la beauté.
Sur un visage légèrement flou, la reconstruction est guidée par une grande quantité de pixels restants et reste très fidèle. Sur un visage fortement dégradé (une petite tache représentant un visage dans une photo de groupe), le modèle doit inventer la plupart des détails, et le résultat peut s’éloigner de l’apparence réelle de la personne. Cela ressemblera à un vrai visage ; mais il est possible que ce ne soit pas exactement son La reconnaissance faciale n’est pas garantie. Si l’identification est importante, comparez avec d’autres photos de la même personne.
Tout ce qui précède fonctionne sur notre propre matériel GPU,et c’est pourquoi cet outil est gratuit, sans inscription ni filigrane, et pourquoi votre photo peut être supprimée de l’appareil immédiatement après le traitement. Téléchargez une photo, faites glisser le curseur avant/après et évaluez le résultat en gardant à l’esprit les attentes que cette page vous a données. C’est la solution que nous privilégions : des résultats impressionnants, présentés de manière honnête.