neural restore

Applique une restauration basée sur l’IA aux images sélectionnées : débruitage brut, débruitage RVB et mise à l’échelle 2x / 4x. Disponible dans les vues table lumineuse et chambre noire sous forme de panneau avec un sélecteur de tâches à onglets, un aperçu interactif avant/après et un bouton qui exécute la tâche choisie sur chaque image sélectionnée. Les sorties se font dans un nouveau fichier – l’image originale n’est jamais modifiée.

The AI features this module drives are configured in AI preferences; see the AI features overview for what these tasks do and don’t do.

La restauration neuronale peut être considérablement accélérée grâce à l’accélération GPU.

🔗Prérequis

Before you can use this module:

Activez les fonctions IA dans les préférences d’IA. Cette activateur principal est désactivé lors d’une nouvelle installation.
** Activez un modèle pour chaque tâche que vous souhaitez utiliser.** Dans le même onglet de préférences, cochez la colonne activer pour un modèle par tâche – raw denoise pour l’onglet réduction du bruit RAW, denoise pour l’onglet réduction du bruit, upscale pour l’onglet mise à l’échelle. Si aucun modèle n’est activé dans cet onglet, la zone d’aperçu affiche modèle indisponible et le bouton ne permet pas d’exécuter la tâche.

Changer d’onglet sans modèle actif pour la nouvelle tâche est inoffensif – le module se désactive simplement pour cet onglet jusqu’à ce que vous en activiez un.

🔗onglets

Le bloc-notes situé en haut du module permet de sélectionner la tâche à exécuter.

Réduction du bruit RAW

: Le débruitage par IA est appliqué dès les premières étapes du traitement des données brutes. L’étape exacte dépend du capteur :

Les capteurs Bayer sont débruités directement sur la mosaïque CFA, le débruitage et le démosaiquage étant combinés en un seul passage d’inférence. Le résultat est enregistré au format DNG Bayer CFA. : - Les capteurs X-Trans (et tout autre CFA couleur non-Bayer que le modèle Bayer ne peut pas traiter) sont d’abord démosaïqués par le pipeline de darktable, puis le débruiteur IA agit sur l’image RVB Rec.2020 linéaire obtenue. Le résultat est enregistré au format DNG LinearRaw.

Les deux formats de sortie peuvent être réimportés dans Darktable en tant que fichiers RAW classiques – le traitement en chambre noire en aval reste inchangé.

Restrictions. Les capteurs monochromes ne sont actuellement pas pris en charge – les modèles de débruitage des fichiers RAW disponibles ont été entraînés à partir de données CFA en couleur et ne disposent pas encore d’équivalent monochrome. Utilisez plutôt la fonction Réduction du bruit IA du module de Restauration neuronale sur une image monochrome.

Force – mélange linéaire entre le signal brut source (0 %) et le signal de sortie débruité par l’IA (100 %) au niveau du capteur brut. Des valeurs plus faibles réintroduisent une partie du bruit d’origine, de manière directement proportionnelle.

Réduction du bruit IA

: Réduction du bruit RVB par apprentissage automatique appliqué à l’image déjà démosaiquée et en grande partie retouchée ; génère un fichier TIFF.

Force – à 100 %, le résultat correspond au résultat complet du modèle d’IA. Les valeurs inférieures ne se contentent pas de réintégrer la source – la différence entre la source et l’image débruitée est décomposée en bandes de détails par ondelettes (DWT) et la texture à haute fréquence est réintroduite de manière sélective, ce qui permet de récupérer le grain et les détails de surface sans réintroduire le bruit de couleur que le modèle avait supprimé.

Échelle

Super-résolution permettant de multiplier par 2 ou par 4 les dimensions en pixels de l’image d’origine. Enregistre un fichier TIFF à la taille agrandie. Un agrandissement de 4 fois sur une image haute résolution sollicite beaucoup la mémoire ; le traitement par tuiles est activé automatiquement afin de limiter la consommation maximale de mémoire, au prix d’un léger allongement du temps de traitement.

échelle – facteur d’agrandissement appliqué à chaque côté de l’image (2× ou 4×). 2× double la largeur et la hauteur, ce qui donne quatre fois plus de pixels au total ; 4× multiplie par quatre chaque côté, ce qui donne seize fois plus de pixels. Les facteurs plus grands sont plus lents et nécessitent davantage de mémoire GPU.

Note: L’agrandissement 4× sollicite nettement plus le modèle que l’agrandissement 2×, car il doit générer 16 fois plus de pixels pour de nouveaux détails que dans l’original. Les textures fines et les détails à haute fréquence peuvent s’avérer moins convaincants qu’avec un agrandissement 2× ; optez pour un agrandissement 2× lorsque cela répond à vos besoins en matière de résolution.

🔗où la tâche se trouve dans votre processus

la réduction de bruit RAW et la réduction de bruit suppriment tous deux le bruit du capteur – la différence est à quel moment dans le flux de travail vous décidez de les appliquer, et vous utiliserez normalement l’un ou l’autre, pas les deux :

utilisez la ** réduction de bruit RAW** lorsque vous savez déjà que la prise de vue est bruyante (ISO élevé, poussée profonde, faible luminosité) et que vous n’avez pas commencé le traitement. cela supprime le bruit à la source, sur les données brutes, c’est là qu’un modèle peut le supprimer le plus proprement – il donne donc le résultat le plus fort sur les prises difficiles. Vous vous engagez dès le départ, puis vous retouchez le fichier DNG nettoyé.
utilisez réduction de bruit lorsque vous avez déjà développé une image et que le bruit vous dérange dans le résultat. Cela réduit le bruit que vous pouvez réellement voir à la fin de votre traitement, sans vous obliger à reprendre complètement ce traitement.

réduction de bruit RAW – avant le traitement en chambre noire

Fonctionne sur la source brute (Bayer CFA, ou X-Trans / non-Bayer dématricés en Rec.2020 linéaire) et produit un DNG. Le flux de travail est le suivant :

sélectionnez le RAW comportant beaucoup de bruit dans la table lumineuse ;

exécutez réduction de bruit RAW – le DNG produit est regroupé avec la source ;

ouvrez le nouveau DNG et modifiez-le normalement.

Comme il fonctionne avec les données originales du capteur, il supprime le bruit de la manière la plus propre, avant que le dématriçage ne le répartisse sur les canaux de couleur. C’est le pendant IA du module classique réduction du bruit RAW – les deux fonctionnent sur les données CFA brutes avant le dématriçage. Le fichier brut d’origine reste intact.

réduction du bruit – tard dans le flux de travail, après le traitement en chambre noire

Exporte votre image via le pipeline complet de la chambre noire (chaque module actif est appliqué), puis exécute la réduction de bruit IA sur le résultat, en écrivant un TIFF. Le flux de travail prévu est le suivant

développer l’image jusqu’à l’étape qui fait passer le pipeline de l’espace relatif à la scène à l’espace relatif à l’affichage (filmique rvb, sigmoïde ou AgX) et toute étalonnage des couleurs relative à l’affichage – le point où le bruit visible par le spectateur apparaît ;

exécutez réduction du bruit – la sortie est un TIFF avec le traitement réalisé jusqu’à présent intégrée, plus le bruit nettoyé ;

continuez à éditer le TIFF si vous souhaitez ajouter de la netteté, des ajustements locaux, un dimensionnement de sortie, etc., ou exportez le directement.

Cela nettoie exactement le bruit visible dans votre édition terminée, sans refaire aucun travail – votre édition est intégrée au TIFF et vous continuez à partir de là. Le compromis : le bruit est déjà façonné par l’ensemble du pipeline, donc sur une capture très bruyante, réduction du bruit RAW donne un résultat plus propre. Le TIFF est entièrement modifiable – un point médian propre, pas nécessairement le dernier.

Mise à l’échelle – dernière étape avant la livraison

Exécuter l’ensemble du processus de traitement en chambre noire, puis agrandir le résultat 2× ou 4× et enregistrer un fichier TIFF. Le flux de travail prévu est le suivant :

terminez votre traitement, y compris l’accentuation de la netteté et les corrections de couleur et de tons ;

lancer la commande Échelle avec le facteur choisi ; le résultat est un fichier TIFF à la taille agrandie ;

utiliser le résultat pour l’impression ou l’affichage grand format.

Évitez d’effectuer une mise à l’échelle trop tôt dans le flux de travail : toute opération ultérieure de réduction de bruit, de renforcement de la netteté ou d’étalonnage s’appliquerait alors aux pixels synthétisés plutôt qu’aux pixels d’origine, ce qui nuirait à la qualité du résultat final. Les cas d’utilisation courants sont notamment l’agrandissement d’un petit recadrage pour un tirage grand format ou l’adaptation d’une source à faible résolution à une taille adaptée à la publication sur le Web.

🔗preview

Sous les onglets de contrôle se trouve un aperçu en deux parties (avant/après) d’une petite partie de l’image actuellement affichée. Faites glisser la ligne de séparation pour basculer entre l’image d’origine (à gauche) et le résultat restauré par l’IA (à droite). L’aperçu est généré à la demande en cliquant sur la zone d’aperçu ; il utilise le même modèle et les mêmes paramètres que ceux utilisés par le bouton « Traitement », ce qui en fait un aperçu fidèle du résultat final.

Pour sélectionner une autre partie de l’image, cliquez sur le bouton de sélection (à droite de Traitement), puis cliquez à l’intérieur du widget d’aperçu : l’aperçu se régénère alors en se centrant sur le point où vous avez cliqué.

Passez la souris sur l’aperçu pour afficher une infobulle agrandie deux fois, ce qui est utile pour évaluer le comportement du bruit et des détails au niveau de chaque pixel.

🔗Traitement

Le bouton Traitetement applique la tâche active à toutes les images actuellement sélectionnées, les unes après les autres. La progression s’affiche dans la barre d’état ; chaque image traitée est placée dans le dossier de sortie et (si l’option Ajouter à la collection courante est activée) est importée automatiquement dans la base de données.

If no model is active for the current task, the button refuses to run (the preview shows model not available). If the model is active but its execution provider fails to initialise – or fails on one specific image at runtime – the affected image is skipped with a message in the status bar, and the rest of the batch continues.

🔗output parameters

La section repliable « Paramètres de sortie » permet de définir la manière dont le résultat est enregistré sur le disque. Les paramètres s’appliquent à la tâche actuellement active.

profondeur de bits (uniquement pour la réduction de bruit IA et la mise à l’échelle): Profondeur de bits du fichier TIFF de sortie (8 bits, 16 bits, 32 bits (flottant)). profil (uniquement pour la réduction de bruit IA et la mise à l’échelle); Profil de couleur intégré au fichier TIFF de sortie. L’option Paramètres d’image utilise le profil de travail de l’image source. Les autres entrées correspondent à celles de la boîte de dialogue d’exportation standard.
compression (denoise and upscale only): TIFF-compression of the output-file. Offers uncompressed, deflate and deflate with predictor (default). The default reduces file size by about 50-60%.
Préserver les couleurs du gamut large (Réduction de bruit IA uniquement): Lorsque cette option est activée, les pixels dont la couleur se situe en dehors du gamut sRGB traversent le modèle sans être modifiés – les couleurs à large gamut sont conservées à l’identique, mais ces pixels spécifiques ne font pas l’objet d’une réduction de bruit. Lorsque cette option est désactivée, chaque pixel est débruité, mais les couleurs à large gamut peuvent être écrêtées pour s’adapter à la gamme sRGB.
ajouter à la collection actuelle: Importez automatiquement la sortie dans darktable lorsqu’elle est écrite. La nouvelle image est regroupée avec l’image source afin qu’elles apparaissent ensemble dans darktable.
dossier de sortie: Où le fichier de sortie est écrit. Prend en charge les variables darktable – $(FILE_FOLDER) (la valeur par défaut) écrit à côté de l’image source. Utilisez le bouton d’icône de dossier pour choisir un répertoire.

🔗performance

Le temps de traitement dépend du backend d’accélération de l’IA, de la résolution de l’image et de la tâche. La réduction de réduction RAW et le 4x haut de gamme sont les plus exigeants. La première exécution d’inférence après le démarrage de darktable paie également un coût de compilation unique – voir Accélération du GPU, comment fonctionne l’IA, et notes de performance pour plus de détails.