Les réseaux antagonistes génératifs actuels appliqués au floutage de l’arrière-plan extraient souvent de manière indifférenciée les caractéristiques de l’image d’entrée complète, ce qui rend difficile la distinction entre le premier plan et l’arrière-plan, entraînant souvent des distorsions d’image. Cet article propose une méthode de floutage d’arrière-plan basée sur le réseau CycleGAN guidé par la perception de l’image, en introduisant des informations perceptuelles pour améliorer la performance du modèle. Ces informations comprennent les données d’attention et de profondeur de champ : la première guide le réseau à se concentrer sur différentes zones du premier et de l’arrière-plan pour les distinguer, tandis que la seconde améliore la perception des objets au premier plan, permettant une mise au point intelligente efficace et réduisant les distorsions pour un meilleur effet de flou d’arrière-plan. En minimisant la perte adversariale et la perte de cohérence cyclique, il est possible d’éviter la perte excessive d’informations de profondeur de champ, améliorant ainsi la qualité des images générées. Les résultats expérimentaux et les données montrent que la méthode proposée distingue efficacement le premier plan de l’arrière-plan pendant le floutage et réduit les distorsions d’image, rendant le rendu plus réaliste. De plus, une évaluation comparative avec des méthodes existantes a été réalisée par enquête. La méthode proposée de floutage d’arrière-plan basée sur le réseau CycleGAN guidé par la perception de l’image offre une meilleure qualité d’image générée, avec un modèle plus léger et une vitesse de génération notablement améliorée, respectivement de 56,10 Mo et 47 ms.

floutage d’arrière-plan;perception d’image;réseau CycleGAN;mise au point intelligente