A la TU Wien (Vienne), des réseaux de neurones ont été développés, ce qui facilite grandement la création d'images photoréalistes d'une grande variété de matériaux.

Pour que les images générées par ordinateur paraissent réalistes, différents matériaux doivent être présentés différemment :l'éclat métallique d'une pièce de monnaie est très différent du brillant terne d'une assiette en bois ou de la peau légèrement transparente d'un raisin. La simulation exacte de tels effets matériels nécessite généralement beaucoup d'expérience et de patience. De nombreux paramètres différents doivent être ajustés avec soin, puis l'ordinateur met du temps à calculer l'image correspondante, puis la même procédure est répétée, jusqu'à ce que le résultat soit pleinement satisfaisant.

A la TU Wien (Vienne), de nouvelles méthodes ont maintenant été développées qui rendent ce processus beaucoup plus rapide et plus facile. Une intelligence artificielle reconnaît les désirs créatifs du concepteur et propose de manière autonome des exemples d'images adaptées. Un réseau de neurones applique les paramètres de matériau sélectionnés à un échantillon d'objet en temps réel. Pour des applications très différentes dans le domaine graphique, c'est un grand pas en avant, de la conception de jeux et de l'animation de films à la visualisation architecturale.

L'intelligence artificielle au lieu du raytracing

"Habituellement, nous devons ajuster manuellement jusqu'à des centaines de paramètres pour rendre un objet photoréaliste, " déclare Károly Zsolnai-Fehér de l'Institut d'informatique visuelle et de technologie centrée sur l'humain de l'Université de technologie de Vienne. " Si vous souhaitez créer une image contenant de nombreux matériaux différents, trouver une solution totalement satisfaisante est difficile et prend du temps."

C'est pourquoi Zsolnai-Fehér, qui travaille dans l'équipe du Prof. Michael Wimmer, a utilisé des méthodes d'intelligence artificielle. Pour que l'ordinateur apprenne à afficher un matériau spécifique, différentes versions d'un exemple d'objet sont affichées. Une personne clique sur l'image la plus proche du résultat souhaité. Après quelques tours d'entraînement, l'intelligence artificielle a appris les propriétés physiques du matériau souhaité. "De cette façon, le système acquiert des paramètres qui peuvent ensuite être utilisés pour insérer des objets de ce matériau dans n'importe quelle image, correspondant à tout éclairage spécifique, " explique Michael Wimmer.

Non seulement Jolie, mais aussi Rapide

Cependant, il ne suffit pas que l'ordinateur s'adapte rapidement aux souhaits du graphiste humain, il est également important que les images de prévisualisation de chaque série de tests soient affichées le plus rapidement possible. Dans la plupart des cas, des images photoréalistes sont générées en simulant physiquement la propagation des rayons lumineux aussi précisément que possible. Cependant, avec de telles méthodes basées sur la physique, la création d'une image test prend quelques minutes. Si le logiciel doit calculer des centaines de fois de nouvelles images de test à la recherche des paramètres optimaux, cela devient bientôt une expérience angoissante pour les humains impliqués.

Par conséquent, l'intelligence artificielle est également utilisée lors de la génération des images de prévisualisation :en plus de l'algorithme d'apprentissage automatique, qui suggère les paramètres appropriés, Károly Zsolnai-Fehér a également développé un réseau de neurones, qui applique les paramètres de matériau respectifs à un objet échantillon beaucoup plus rapidement que cela n'a jamais été possible avec un code informatique standard. Si nécessaire, les résultats peuvent ensuite être ajustés et affinés de manière très conviviale.

Même les matériaux compliqués, comme les surfaces réfléchissantes ou les écrans troubles, ne sont pas un problème pour les réseaux de neurones. "Notre approche s'adresse aussi bien aux débutants qu'aux professionnels, et j'espère qu'il trouvera une large application dans le domaine de l'infographie, " dit Zsolnai-Fehér.

Attirer l'attention de la communauté graphique

Les nouvelles méthodes ont été présentées pour la première fois lors de la plus grande et la plus prestigieuse conférence mondiale d'infographie SIGGRAPH, qui a eu lieu en août 2018. « Les nouvelles méthodes de Károly Zsolnai-Fehér ont depuis suscité beaucoup d'attention parmi les professionnels de l'infographie, " déclare le chef du groupe de recherche Michael Wimmer. " La méthode est un grand pas en avant pour la communauté graphique. " Les images créées à l'aide de la nouvelle nef du réseau de neurones ont même été choisies pour la couverture du rapport officiel de la conférence SIGGRAPH.