Un selfie transformé en tableau de Van Gogh ou Matisse, c’est possible grâce à DeepArt, un algorithme qui réalise une peinture digitale à partir de n’importe quelle photo. Il est mis à disposition du public sur une plate-forme conçue à l’EPFL.
Développé à l’Université de Tübingen (D), le procédé fait appel aux dernières avancées en matière de Deep learning, a indiqué lundi l'Ecole polytechnique fédérale de Lausanne (EPFL). Soit des algorithmes d’apprentissage automatique avec un haut niveau d’abstraction, utilisés par exemple pour la reconnaissance faciale ou la vision par ordinateur.
Dans le cas de DeepArt, l’utilisateur soumet une photo à l’ordinateur, et lui demande de créer un tableau suivant un style ou un artiste particulier. "L’algorithme va alors analyser l’image pour en extraire les éléments principaux, comme un visage ou un objet", explique Lukasz Kidzinski, chercheur au Laboratoire d'ergonomie éducative de l’EPFL et concepteur de la plate-forme.
Le programme va ensuite peindre une image en comparant sans cesse les éléments de départ avec le tableau dont il doit s’inspirer. Après environ dix minutes de calculs, le résultat est prêt: l’ordinateur retourne une œuvre originale et unique.
Dorénavant, n’importe qui peut accéder à DeepArt et lui soumettre sa propre photo grâce au site internet développé à l'EPFL en collaboration avec les chercheurs allemands. En version gratuite toutefois, la taille de l'oeuvre est limitée et il y a une file d'attente.
Autres applications
Un questionnaire a été proposé aux visiteurs du site, qui devaient différencier le tableau d’un maître et celui de la machine. Résultat: il était pratiquement impossible de faire la différence, les gens répondant de la même manière que s’ils avaient choisi au hasard.
Le projet pourrait aussi être intéressant pour les historiens de l’art, en les aidant par exemple à restaurer des œuvres endommagées, note encore la haute école lémanique. D’autres applications devraient aussi voir le jour dans le futur. "Les développements dans le domaine du Deep learning et des réseaux neuronaux sont si rapides qu’il est impossible de prédire ce que nous pourrons faire dans deux ans", conclut le chercheur.