carbier a dit:

Justement, je croyais que les télés dernières générations avaient toutes un processeur dédié et des méthodes d’upscaling au top. Ce qui semble logique vue l’augmentation des tailles des TVs.

Ce n’est pas la taille, mais la résolution qui augmente.

NVidia a l’expertise, le matos, les raison d’investir et les moyens pour développer ce genre de techno là où pour un constructeur de TV ben c’est une fonctionnalité assez secondaire qui ne nécessite pas de dépenser d’énorme somme dedans.

Les constructeurs de télé vont se contenter d’un truc assez bien documenté, voir peut être bidouiller un truc maison par dessus, mais rien de plus qui casse 3 pattes à un canard.

En face, NVidia (et AMD ATI), l’upscaling implique des histoire pour améliorer les contours, chose que l’on va avoir besoin dans les jeux vidéo (par exemple pour l’anti aliasing). Ils ont donc énormément investient dans la recherche d’algo. Dernièrement l’apprentissage profond a ouvert de nouvelle possibilité, NVIdia leader niveau matos dans le domaine investie pas mal et propose des solutions comme le DLSS 2.0 pour faire de l’upscaling “intelligent”.

durthu a dit:

Je regarde pas mal les TV Oled en ce moment en vu d’un changement l’année prochaine.Sur ces modèles (1200-1500€), les fabricants mettent en avant des puces gérant l’upscaling (P5 chez philips, alpha chez LG, quamtum chez Samsung, …).D’après les tests que j’ai pu voir sur le net, l’upscaling est très bien géré. Est ce dû à la gamme de prix ?Je n’ai pas vu de processeur similaire sur les gammes de prix inférieures.

Oui, c’est dû en partie à ces puces. En gros, de ce que j’ai lu ces puces contiennent des circuits spécialisés pour exécuter des réseau de neurone (convolutif). Sur la shield, ils utilise très certainement les cuda Core du GPU (ce qui sert en temps normal pour calculer le rendu 3D, mais ça reste des unité de calculs que l’on peut programmer)

Après, il faut aussi un réseau de neurone qui soit capable de faire le traitement correctement et dans les temps (il faut cracher les 60ips en 4k).

Dans le principe, les réseaux de neurones sont capable d’interpréter l’images, peut aller jusqu’à reconnaitre les éléments qui la compose, il vont donc être plus à même d’agrandir, d’améliorer…

Par exemple, ça fait quelques années que certain s’amuse à passer les vieux films des Lumières en 4k 60fps (l’originale en comparaison) , ou même coloriser ça à la volée (ça a quand même ses limites et galère par exemple avec les vêtements).

smanu a dit:

C’est quand même impressionnant. J’ai l’impression de voir mon chat ;-)Sinon, il faudrait vraiment faire une comparaison entre l’upscale de tous ces périphériques. Sur les sites de tests de téloches, ils s’extasient souvent sur les puces gérant ce genre de fonctionnalité. Par exemple pour le Samsung, qui envoie en 8K et qui se sert également d’une AI. Après, c’est sur qu’en fonction de ce qui se fait de mieux, il vaut mieux désactiver les améliorations des autres périph. J’imagine avec une Shield, un ampi et une télé qui font chacun leur upscale. cela donne quoi au final ?

Ces genre d’outils fait grossièrement ce qu’un cerveau humain ferait, rajouter les détails qu’il s’attend à voir. Ca s’explique avec des statistiques (machin learning se traduit par “apprentissage automatique” mais aussi “apprentissage statistique”). Et en gros, les outils utilisé ici sont particulièrement doué avec les textures.

Mettre 2 réseaux l’un après l’autre risque de ne pas forcement donner d’excédent résultat, même s’il faut essayer je le conviens. Déjà, je pense (c’est un avis personnel au doigt lever en tenant compte de mes connaissance et mon expérience) que le mieux serait de tout faire en une seul passe (ou via des réseaux qui sont compatibles). Ensuite, ce genre d’outils, c’est assez tricky et sensible parfois à des variations assez infime. Une image déjà agrandis risque de ne pas forcément être rendu au mieux, voir totalement partir en vrille.

De plus, la comparaison objective est assez difficile. Comparer 1 image à son originale n’est pas si évident, pour faire simple certains détails dans une image vont être très importants alors qu’à coté des zone comme un gros aplat bleu du ciel, on s’en fout un peu

Pour la petite parenthèse c’est la raison du succès des GAN/generative adversarial network qui permet de faire des truc comme ça : ces visages sont totalement crées de zéro par un réseau de neurone. Tu remarqueras qu’au premier abord les images sont généralement bluffante. Mais si tu commences à regarder autre chose que le visage qui t’a attirer l’oeil (tu es humain, tu va te focaliser sur les visages), les décors, voir les vêtements sont généralement très raté (le plus effrayant est lorsqu’il essaie de créer un portrait avec une autre personne à coté). Mais dans la réalité, ton oeil est concentré sur des détail du visage (et le moindre défaut te sauterais au yeux) alors qu’à coté le décor, tu t’en fous. On retrouve ce problème que certain détail dans une image vont être bien plus important pour ton “oeil” que de truc plus gros.