Dans une lunette de visée thermique haute performance, le capteur détermine la quantité d'informations thermiques brutes qu'il peut capter. Mais ce que les chasseurs voient finalement dépend aussi du traitement de ces informations. Série Nocpix ACE 2 Elle repose sur une nouvelle génération de technologie d'imagerie thermique, et R+ 2.0 est l'un des systèmes clés à l'origine de cette amélioration de la qualité d'image.
En situation réelle de chasse thermique et de chasse nocturne, les images thermiques sont souvent confrontées à plusieurs défis : un niveau de détail limité sur les petites cibles éloignées, la difficulté à distinguer les textures utiles du bruit et un contraste réduit sous la pluie ou dans le brouillard.
Le système d'imagerie R+ 2.0 de la série ACE 2 résout ces problèmes à plusieurs niveaux.
Il ne s'agit pas simplement d'améliorer la netteté d'une image.
La question plus large est :
Comment une lunette thermique peut-elle récupérer davantage de détails utiles tout en conservant une image lisse, nette et naturelle ?
Comment R+ 2.0 améliore l'image ACE 2 au grossissement de base
Pour les modèles à résolution 640, R+ 2.0 introduit une nouvelle approche pour l'entraînement des modèles.
Au lieu de s'appuyer sur un seul modèle, le système utilise la distillation des connaissances.
En termes simplifiés, un modèle d'IA plus complexe apprend d'abord les caractéristiques complexes des images thermiques. Il guide ensuite un modèle plus petit et plus efficace pour apprendre à partir de ces connaissances.
Cela permet au modèle côté périphérique de gérer une entrée à plus haute résolution tout en maintenant une inférence en temps réel à 60 images par seconde sur la plateforme 640.
Pour une lunette thermique, cet équilibre est important.
Les détails supplémentaires ont une utilité limitée si l'image devient lente ou instable lorsque le chasseur balaie le champ ou suit un animal en mouvement.
Avec R+ 2.0, l'objectif est d'améliorer la netteté des détails tout en conservant une visualisation fluide en temps réel.
Pourquoi les données thermiques réelles sont importantes pour ACE 2
Un modèle d'IA n'est utile que dans la mesure où les données à partir desquelles il apprend sont pertinentes.
Les méthodes traditionnelles d'amélioration d'image reposent souvent sur une dégradation simulée, consistant à ajouter artificiellement du flou, du bruit ou une résolution inférieure à des images nettes.
Mais réel imagerie thermique ne se dégrade pas toujours de manière prévisible.
La distance, la température ambiante, les conditions météorologiques, la taille de la cible et différents types de bruit peuvent tous affecter différemment les images thermiques.
Pour R+ 2.0, Nocpix a collecté une grande quantité d'images infrarouges réelles à basse résolution dans différents environnements, scènes et conditions de bruit. Ces images ont été traitées à l'aide d'un modèle plus complet afin de créer des paires d'entraînement reflétant plus fidèlement la dégradation réelle des images thermiques.
La stratégie d'entraînement a également été adaptée aux caractéristiques de l'imagerie infrarouge, où le rapport signal/bruit peut être faible et les détails fins relativement peu visibles.
L'objectif est de restaurer les détails tout en réduisant les artefacts et les effets de halo qui peuvent donner un aspect artificiel aux images améliorées.
Pour les utilisateurs d'ACE 2, le bénéfice est particulièrement perceptible sur petites cibles distantes, où les contours et les textures de surface deviennent plus faciles à distinguer tandis que le système continue de fournir une sortie à 60 images par seconde.
L'affûtage ne suffit pas — le système doit savoir quoi affûter
L'accentuation classique permet de rendre une image plus détaillée en renforçant les contours.
Le problème, c'est que cela peut aussi amplifier des choses qui ne devraient pas l'être, notamment le bruit et les artefacts indésirables.
R+ 2.0 adopte une approche plus sélective.
Son réseau comprend un module de découplage du bruit de texture conçu pour faire la distinction entre :
texture à améliorer et bruit à atténuer.
Le modèle peut alors traiter les régions de l'image de manière adaptative au lieu d'appliquer le même effet de netteté partout.
L'accentuation n'est pas non plus considérée comme une étape de post-traitement finale distincte.
Il est conçu et entraîné conjointement avec le réseau de super-résolution. La super-résolution se concentre sur la récupération des informations structurelles et de résolution, tandis que les composants liés à l'accentuation affinent la qualité de la texture. Les deux partagent des informations au niveau des caractéristiques.
Le résultat attendu est :
- Des détails plus nets : contours de la cible et texture de surface plus précis.
- Des images plus nettes — moins de contours marqués et d'artefacts
- Visionnage plus confortable — moins de fatigue visuelle due au bruit et à la sur-accentuation
- Des images thermiques plus naturelles — une clarté améliorée sans que la scène paraisse artificielle
Une approche spécifique pour la pluie et le brouillard
La pluie et le brouillard créent un ensemble différent de défis pour un lunette de chasse nocturne.
La pluie peut provoquer une obstruction dynamique et une diffusion devant l'objectif, tandis que le brouillard diminue le contraste global et adoucit les contours de la cible.
Un modèle de traitement d'images optimisé pour un temps clair peut donc être moins efficace dans ces conditions.
R+ 2.0 remédie à ce problème grâce à une optimisation dédiée à la pluie et au brouillard.
Nocpix a collecté des données thermiques provenant de multiples environnements réels de pluie et de brouillard, permettant au modèle d'apprendre les schémas de dégradation spécifiques à ces conditions.
Le processus de formation introduit également un extracteur de caractéristiques dédié à la pluie et au brouillard, qui isole les caractéristiques pertinentes et guide le modèle dans la récupération des détails affaiblis par les interférences météorologiques.
L'idée principale est simple :
Un seul mode de traitement ne doit pas nécessairement faire de compromis pour tous les environnements possibles.
Les utilisateurs peuvent s'appuyer sur un mode général en conditions normales et passer à un mode dédié en cas de pluie ou de brouillard, permettant ainsi à chaque scénario de bénéficier d'un traitement plus ciblé.
Qu’est-ce que R+ 2.0 améliore réellement ?
Le traitement des images thermiques est souvent résumé par une expression simple telle que “ amélioration par l'IA ”.”
Mais une meilleure imagerie thermique ne se résume pas à rendre les images plus nettes.
Sur le Série ACE 2, R+ 2.0 se concentre sur trois domaines :
Plus de détails à la base du grossissement
Une architecture de modèle repensée et des données d'entraînement thermique réelles améliorent la visibilité des petites cibles distantes sur les modèles 640 tout en maintenant une sortie en temps réel de 60 images par seconde.
Plus net, sans paraître artificiel
La séparation texture-bruit permet d'améliorer les détails réels tout en supprimant le bruit, produisant une image plus claire, plus nette et plus naturelle.
Optimisé pour les conditions météorologiques difficiles
Un entraînement spécifique aux conditions de pluie et de brouillard permet au système de traitement d'images de réagir plus efficacement aux conditions météorologiques difficiles, plutôt que d'imposer un modèle général de compromis pour chaque scène.
Pour une lunette de visée thermique professionnelle, le meilleur algorithme d'imagerie n'est pas celui qui se contente d'accentuer chaque contour.
C’est le concept qui sous-tend la version R+ 2.0 sur la série ACE 2.
Au lieu de traiter l'amélioration d'image comme un simple effet de netteté, ACE 2 utilise R+ 2.0 pour combiner un véritable entraînement à l'image thermique, la séparation du bruit de texture et une optimisation dédiée à la pluie et au brouillard.
L’objectif est simple : des détails plus utiles, des images thermiques plus nettes et une vision plus naturelle lorsque les conditions deviennent difficiles.
Plus de détails quand c'est important. Des images plus nettes là où ça compte.