Il existe de nombreuses manières de donner un coup de jeune à un jeu ancien mais l'une des plus efficaces consiste à remplacer les textures par des versions haute résolution. Le seul problème est que cela prenait un temps fou car il fallait les refaire à la main, une par une. Mais des types avec des neurones qui fonctionnent se sont dit que des réseaux de neurones pourraient fairte le boulot à notre place.

On ne parle pas juste d'un filtre qui ajoute des pixels. On parle d'un système qui comprend la nature de l'image en question et qui recrée les détails voulus. On se moquait des Experts quand ils zoomaient sur le reflet d'un boulon pour afficher la tête du tueur mais on en est pas loin ! Un des premiers jeux qui a reçu ce traitement est le vénérable Doom. Vous pouvez télécharger le résultat ici. Morrowind a suivi peu après et vous pouvez télécharger le pack de textures ici. L'outil utilisé pour Morrowind s'appelle Enhanced Super Resolution Generative Adverserial Network (ESRGAN) et vous pouvez l'essayer par vous-même. Il vous suffit de télécharger le bousin, d'avoir quelques bases en Python ainsi qu'une bonne carte graphique histoire de faire les calculs sur le GPU.

Suivez l'exemple de notre Ze_Pilot national qui a fait le boulot pour les arrière-plans de Final Fantasy IX. Il a publié la première version de son pack de textures haute résolution et continue de le mettre à jour donc on vous recommande de suivre son Twitter pour chopper la dernière version du pack en question. Le résultat est superbe et devrait inspirer d'autres moddeurs à faire de même. Il existe aussi un pack pour Metroid Prime que vous pouvez installer en suivant ces instructions. ESGRAN n'est pas le seul outil disponible. Waifu2x-caffe fait un excellent boulot pour tout ce qui est anime et Nvidia dispose de sa propre solution.

Lire la suite sur le site : Plus de neurones pour moins de gros pixels.

C'est aussi pour ce genre de truc que j'adore le PC.

En plus je prends autant de plaisir à installer et bidouiller mes jeux qu'a y (re)jouer pour certains, mais c'est surtout quand on a bien réussi à tout faire marcher ensemble, que c'est fluide et beau, on a le sentiment d'être un des rares privilégiés au monde à pouvoir voir le jeu dans les meilleures conditions ever.

J'ai regardé le boulot de Ze PilOt sur son compte twitter. C'est assez impressionnant !

Et du coup, ça va peut-être me motiver un jour à acheter FF IX, car c'est l'un de mes épisodes préférés.

Merci pour les liens !

Ca serait bien sur le twitter de ze pilot si on pouvait avoir un avant après ;)

Il y a une raison pour que la majeur partie des projets de machine learning semble se moquer royalement du packaging ? Il y a des choses qui m'intéresseraient de tester dans le domaine de l'IA mais rien qu'à voir les Readme ça me passe souvent l'envie. Là par exemple, il faut installer Python, puis Pytorch, puis les dépendances (alors qu'il me semble qu'on est censé avoir un fichier setup.py pour le faire en Python et je ne parle pas de la gestion des dépendances de Python qui est grotesque), puis il faut récupérer des modèles pré-entrainés, les mettre aux bons endroits puis mettre ses image as "upscalé" aux bons endroits. Et là, si tout se passe bien ça devrait fonctionner. Bref, ça fait plein de choses à faire manuellement (avec les potentiels erreurs humaines qui vont avec) alors que ça pourrai être automatiser via un script ou dans Dockerfile. Je généralise surement un peu mais les projets que j'ai vu sont souvent du même acabit. C'est à croire que les chercheurs en IA n'ont pas été formés aux basiques de l'informatique (intégration continu, scripts de builds, gestion de version, etc..)

J'ai installé le bousin et ca m'a pas pris très longtemps pour les Dependencies
1-Télécharge et installe Anaconda pour Python 3.7 : https://www.anaconda.com/download/ en choisissant l'option "Add to path"
2-Télécharge et installe Git
3-Ouvre une ligne de commande en mode Admin
4-"conda install pytorch torchvision -c pytorch"
5-"pip install numpy opencv-python"

Tu n'as même pas besoin de l'étape 2. Tu peux télécharger directement le snapshot actuel du repo en cliquant sur le bouton download de github.
Après tu colles les modèles dans .\models et les images que tu veux améliorer dans .\LR. Le résultat est dans results. La majorité des projets de ML étant en python, tout cela te reservira.

Je trouve ça absolument brillant d'utiliser du machine learning pour retaper des textures, à minima pour les dépixeliser...

codec-abc a écrit :
C'est à croire que les chercheurs en IA n'ont pas été formés aux basiques de l'informatique (intégration continu, scripts de builds, gestion de version, etc..)

"C'est la base", c'est clairement pas la réalité dans le monde réel :)

(cette répétition est sponsorisé par mon manque d'éducation)

CBL a écrit :
J'ai installé le bousin et ca m'a pas pris très longtemps pour les Dependencies
1-Télécharge et installe Anaconda pour Python 3.7 : https://www.anaconda.com/download/ en choisissant l'option "Add to path"
2-Télécharge et installe Git
3-Ouvre une ligne de commande en mode Admin
4-"conda install pytorch torchvision -c pytorch"
5-"pip install numpy opencv-python"

Tu n'as même pas besoin de l'étape 2. Tu peux télécharger directement le snapshot actuel du repo en cliquant sur le bouton download de github.
Après tu colles les modèles dans .\models et les images que tu veux améliorer dans .\LR. Le résultat est dans results. La majorité des projets de ML étant en python, tout cela te reservira.

Ce n'est peut-être pas très long mais c'est moche. En 5 étapes tu te retrouves avec 2 systèmes de gestions de dépendances, une console lancée en mode admin (ce qui devrait n'arriver presque jamais arrivé), et des dépendances installé de manière globales qui peuvent poser des conflits quand d'autres projet voudront utiliser des versions plus récentes. Aussi, dans ce cas on ne profitera pas de l'accélération GPU puisque on a installé la version cpu de pytorch, là ou un script aurait pu télécharger et installé la version la plus performante si le hardware le permet.

noir_desir a écrit :
Ca serait bien sur le twitter de ze pilot si on pouvait avoir un avant après ;)

Il y en a, scroll dans mon flux twitter.

codec-abc a écrit :

CBL a écrit :
J'ai installé le bousin et ca m'a pas pris très longtemps pour les Dependencies
1-Télécharge et installe Anaconda pour Python 3.7 : https://www.anaconda.com/download/ en choisissant l'option "Add to path"
2-Télécharge et installe Git
3-Ouvre une ligne de commande en mode Admin
4-"conda install pytorch torchvision -c pytorch"
5-"pip install numpy opencv-python"

Tu n'as même pas besoin de l'étape 2. Tu peux télécharger directement le snapshot actuel du repo en cliquant sur le bouton download de github.
Après tu colles les modèles dans .\models et les images que tu veux améliorer dans .\LR. Le résultat est dans results. La majorité des projets de ML étant en python, tout cela te reservira.

Ce n'est peut-être pas très long mais c'est moche. En 5 étapes tu te retrouves avec 2 systèmes de gestions de dépendances, une console lancée en mode admin (ce qui devrait n'arriver presque jamais arrivé), et des dépendances installé de manière globales qui peuvent poser des conflits quand d'autres projet voudront utiliser des versions plus récentes. Aussi, dans ce cas on ne profitera pas de l'accélération GPU puisque on a installé la version cpu de pytorch, là ou un script aurait pu télécharger et installé la version la plus performante si le hardware le permet.

Perso j'ai juste du faire "pip install pytorch" dans mon install python et c'était reglé.
Tu peux dupliquer ton repertoire python et multiplier les setup si ça t'amuses.

Je vous conseille le jeu " while True: learn "
C'est sur le machine learning, c'est original, marrant et très bien.
Factornews devrait le tester.

Ze_PilOt a écrit :
Perso j'ai juste du faire "pip install pytorch" dans mon install python et c'était reglé.
Tu peux dupliquer ton repertoire python et multiplier les setup si ça t'amuses.

Ce n'est pas parce que ça m'amuse, c'est parce que c'est utile et que cela évite les conflits sur le long terme. Aussi, je n'ai pas envie de pourrir mon PC perso avec des tonnes de programmes/dlls rajoutés dans le path juste pour tester un algo de machine learning qui possiblement n'aura pas du tout les résultats que j'espère.

codec-abc a écrit :

Ze_PilOt a écrit :
Perso j'ai juste du faire "pip install pytorch" dans mon install python et c'était reglé.
Tu peux dupliquer ton repertoire python et multiplier les setup si ça t'amuses.

Ce n'est pas parce que ça m'amuse, c'est parce que c'est utile et que cela évite les conflits sur le long terme. Aussi, je n'ai pas envie de pourrir mon PC perso avec des tonnes de programmes/dlls rajoutés dans le path juste pour tester un algo de machine learning qui possiblement n'aura pas du tout les résultats que j'espère.

Oui alors le plus simple c'est de ne rien faire effectivement.

codec-abc a écrit :

Ze_PilOt a écrit :
Perso j'ai juste du faire "pip install pytorch" dans mon install python et c'était reglé.
Tu peux dupliquer ton repertoire python et multiplier les setup si ça t'amuses.

Ce n'est pas parce que ça m'amuse, c'est parce que c'est utile et que cela évite les conflits sur le long terme. Aussi, je n'ai pas envie de pourrir mon PC perso avec des tonnes de programmes/dlls rajoutés dans le path juste pour tester un algo de machine learning qui possiblement n'aura pas du tout les résultats que j'espère.

Tu aurais pu gentiment proposer l'installation de virtualenv dès ton premier post au lieu de râler.

Parce que c'est mal de râler ?

codec-abc a écrit :
Parce que c'est mal de râler ?

Ça n'apporte rien à cette discussion.

codec-abc a écrit :
Parce que c'est mal de râler ?

Non mais en toute honnêté la procédure n'est pas très compliquée. Tu dois juste installer python et quelques librairies et copier deux fichiers dans un répertoire. On ne te demande pas d'installer Visual Studio et de compiler du C++...