Peinture d'images

L'inpainting d'images a commencé comme une technique de restauration numérique inspirée de la conservation de l'art, dans laquelle les restaurateurs remplissent soigneusement les zones endommagées des peintures. Les premières méthodes numériques utilisaient la synthèse de textures et la correspondance de patchs, copiant des patchs similaires à partir de régions voisines. Les approches modernes d'apprentissage profond utilisent des architectures d'encodeur-décodeur entraînées sur des millions d'images pour comprendre le contexte sémantique : elles savent qu'une personne éloignée debout sur l'herbe devrait être remplie de plus d'herbe, et non de pixels aléatoires. Les modèles d'inpainting basés sur la diffusion génèrent plusieurs complétions plausibles et sélectionnent la plus cohérente. La technique alimente les outils de suppression d’objets, la réparation des rayures sur les anciennes photos et la suppression des filigranes. La qualité dépend de la taille de la région masquée, de la complexité de l'arrière-plan et de la diversité des données d'entraînement du modèle.