Creation of an app that uses a trained GAN model to do inpainting on images

L'omniprésence des images numériques dans notre société actuelle souligne l'importance cruciale de leur qualité et de leur intégrité. Cependant, ces images peuvent être altérées par des bruits, des perturbations ou des omissions de données, nécessitant des techniques sophistiquées pour leur restauration. C'est dans ce contexte que s'inscrit l'inpainting, une approche visant à reconstruire les zones endommagées ou manquantes d'une image. Ce rapport détaille un projet étudiant ambitieux visant à modéliser un système d'inpainting.

Ce projet a été réalisé dans le cadre d'un projet étudiant encadré par l'Université de Technologie de Troyes (UTT). Il explore les principaux principes en matière d'inpainting en utilisant des réseaux antagonistes génératifs (GANs). L'objectif est de développer un modèle d'inpainting performant en exploitant les capacités d'apprentissage profond des GANs.

L'application d'inpainting développée dans ce projet a été déployée sur Streamlit Cloud et est accessible via le lien suivant : https://dorianb04-inpainting-app-app-ih7doj.streamlit.app/

Les différentes recherches et applications ont été centralisées dans le notebook inpainting_models.ipynb

Auteur : Dorian BOUCHER