Supprimer un objet d’une photo avec l’IA : méthode et limites

Supprimer un objet donne l’impression d’effacer. C’est presque l’inverse : rien n’est effacé, quelque chose de nouveau est écrit. Comprendre ce seul fait explique toutes les réussites de l’outil, et tous ses échecs.

Ce que fait le modèle

Vous délimitez une zone. Le modèle la considère comme manquante et se pose une question : compte tenu de tous les pixels alentour, quel contenu occuperait le plus plausiblement ce vide ?

Pour y répondre, il part d’un bruit aléatoire dans la zone masquée et l’affine pas à pas, guidé par l’image qui l’entoure, jusqu’à ce que la zone soit cohérente avec son voisinage. C’est le même processus de débruitage que pour la génération d’images en général, à ceci près qu’ici le modèle est contraint de tous côtés par de vrais pixels.

Deux conséquences en découlent immédiatement, et elles expliquent presque tout :

Il ne retrouve jamais. Il invente toujours. Aucun calque caché ne conserve ce qui se trouvait derrière la poubelle. La photo ne l’a jamais contenu.

Son assurance n’a aucun rapport avec son exactitude. Le modèle produit une réponse plausible, qu’une réponse juste ait été déductible ou non. Il n’a aucun moyen de dire « je ne sais pas ».

Les quatre types d’échec

Tout ce qui tourne mal relève de l’un d’eux.

1. L’information spécifique

Texte, logos, visages, numéros de rue, plaques d’immatriculation. La bonne réponse est un fait précis sur un lieu précis, et le modèle n’a pas accès aux faits : seulement à l’allure générale d’un texte ou d’un visage. Il produira des lettres qui ressemblent à une langue et ne veulent rien dire, ou un visage qui n’appartient à personne.

C’est le type d’échec aux conséquences réelles, parce que le résultat a l’air digne de foi.

2. Les structures rigides et répétitives

Briques, carrelage, clôtures, grilles de fenêtres, parquet. Le modèle reproduit la texture mais casse souvent le rythme : une rangée de briques qui se décale, une grille de carreaux qui glisse d’un demi-carreau. La texture est facile ; l’alignement est difficile, car il faut prolonger une structure globale plutôt qu’imiter un motif local.

Des sélections plus petites aident, car le modèle voit davantage de la grille environnante sur laquelle s’aligner.

3. Les grandes zones

Plus la zone masquée est grande, plus le modèle invente au lieu de prolonger, et plus le résultat est mou et incohérent. Un grand remplissage revient souvent nettement plus flou que ce qui l’entoure, car le contenu généré l’a été à l’échelle du modèle et non à celle de la photo.

Découper une grosse suppression en deux ou trois passages suffit généralement à régler le problème.

4. Tout ce que l’objet touchait

L’objet n’est pas seulement l’objet. Il projetait une ombre, il se reflétait peut-être dans une vitre ou sur un trottoir mouillé, et il renvoyait un peu de sa couleur sur les surfaces voisines. Supprimez l’objet en laissant tout cela, et le résultat paraît faux, même si le remplissage lui-même est impeccable.

Des quatre, c’est celui que l’on rate le plus souvent, et le plus facile à corriger une fois qu’on sait le chercher.

Pourquoi la difficulté est prévisible

Une règle utile : la difficulté augmente avec le degré de structure et de spécificité de la zone cachée.

• Ciel, eau, herbe, murs unis : facile. Lisse, pauvre en information, statistiquement prévisible.
• Feuillage, gravier, moquette : facile. Des textures irrégulières où être à peu près juste ne se distingue pas d’être juste.
• Briques, carrelage, lambris : moyen. Structuré, donc les erreurs se voient.
• Texte, visages, logos, objets précis : peu fiable. Spécifique, donc seule la vraie réponse est correcte, et le modèle ne peut pas la connaître.

Avant de sélectionner quoi que ce soit, situez votre cas sur cette échelle. Elle vous dira s’il faut continuer, procéder par petits morceaux, ou trouver une autre approche.

Distinguer une bonne réparation d’une invention assurée

La réparation est bonne si, zoomée à 100 % :

• Il n’y a aucun contour fantôme là où se trouvait le bord de l’objet
• Il ne reste aucune ombre sans rien pour la projeter
• La zone réparée a la même netteté et le même grain que ce qui l’entoure
• Tout motif qui traverse la réparation reste aligné

La réparation est une invention, aussi réussie soit-elle, si la zone contenait du texte, un visage ou quoi que ce soit sur quoi celui qui regarde pourrait compter. La question n’est alors pas de savoir si c’est convaincant, mais s’il est honnête de la présenter comme une photographie de ce qui était là.

En pratique

Utilisez-la sans hésiter pour faire disparaître le désordre sur des fonds simples. Procédez par petits passages sur tout ce qui est structuré. Incluez l’ombre. Et considérez tout résultat obtenu sur du texte ou un visage comme l’image de quelque chose qui n’a jamais existé, car c’est exactement ce que c’est.

Pour essayer : l’outil de suppression d’objets se trouve dans l’application Kitana. Commencez par une photo au fond simple, un ciel ou un mur uni, pour voir l’outil dans son meilleur cas avant de passer aux zones structurées.

Si votre photo de départ est petite ou un peu floue, améliorez-en la qualité avant la suppression : l’outil aura plus de détails autour de la zone pour s’orienter. Et pour remplacer tout ce qui se trouve derrière le sujet plutôt qu’un seul élément, changer l’arrière-plan est l’outil le plus simple.