DeOldify est un projet innovant qui permet de coloriser automatiquement des images et des vidéos en noir et blanc grâce à l’intelligence artificielle. Basé sur des techniques d’apprentissage profond (deep learning), ce modèle open-source a révolutionné la restauration d’archives visuelles, rendant accessibles des souvenirs du passé sous une nouvelle lumière.
🖌️ Une IA au Service de la Colorisation
Le projet DeOldify a été conçu par Jason Antic, qui s’est appuyé sur des réseaux de neurones avancés pour automatiser la colorisation. Il repose principalement sur Generative Adversarial Networks (GANs), et plus précisément sur une architecture inspirée du modèle Self-Attention GAN (SAGAN), combinée avec des améliorations comme NoGAN, qui réduit les artefacts et améliore la précision des couleurs.
Grâce à ces techniques, DeOldify analyse les textures, les ombres et le contexte des images pour appliquer des couleurs réalistes aux éléments reconnaissables (ciel, peau, vêtements, végétation, etc.).
🎞️ Une Technologie Accessible à Tous
DeOldify est un projet open-source, disponible sur GitHub, ce qui permet aux développeurs et passionnés d’intelligence artificielle de l’améliorer et de l’adapter à leurs besoins. Plusieurs plateformes permettent d’utiliser DeOldify sans compétence technique, notamment via :
- Google Colab : exécuter le modèle sans installation complexe
- MyHeritage et d’autres services en ligne : proposer des colorisations automatiques aux utilisateurs
- Interfaces web comme DeepAI pour des tests rapides
🎨 Applications et Usages
DeOldify s’impose comme un outil puissant pour de nombreux domaines :
- Restauration d’archives historiques 📜 : Musées, institutions et chercheurs peuvent coloriser d’anciennes photographies pour mieux visualiser le passé.
- Généalogie et souvenirs familiaux 👨👩👧👦 : Il permet aux familles de redonner vie à leurs anciennes photos de famille.
- Cinéma et médias 🎬 : DeOldify permet de recoloriser de vieux films et documentaires, donnant une nouvelle dimension aux images d’archives.
🚀 Comment Tester DeOldify ?
Pour les utilisateurs, il est possible d’installer DeOldify en local ou de l’exécuter via Google Colab avec Python et PyTorch. Voici les étapes de base pour installer et utiliser DeOldify en local avec Python.
Installation en local
- Créer un environnement python et l’activer
- Exemple : on a créé et activé l’environnement « bw2color »
- Télécharger sur github le fichier zip
- Dézipper ce fichier dans le répertoire bw2color
la structure du répertoire doit ressembler à ceci
4. Sur la page github de jantic, rechercher les liens:
Completed Generator Weights
Ces trois fichiers à télécharger doivent être rangés dans le répertoire « models »:
5. Installer les dépendances
6. Tester le programme suivant après avoir créer deux répertoires par exemple « scan_georges_simone’ où l’on a rangé des scans de photos en noir et blanc et un répertoire « colorized_images » qui contiendra le résultat de la colorisation.
ATTENTION, Deoldify utilise un répertoire « dummy » pour stocker des fichiers temporaires. Si ce répertoire n’existe pas, exécuter la commande suivante dans le répertoire où est lancé le script Python
Exemple de photo originale:
Photo colorisée
