Prérequis

• Python 3.11+
• uv (recommandé) ou pip

Installation

1. Installer les dépendances :

2. Lancer le backend :

3. Ouvrir frontend/index.html dans un navigateur web

Windows : Utilisez WSL2 en raison des dépendances TensorFlow.

Avertissements et limitations connues

• En raison de la nature probabiliste de ces systèmes, les résultats peuvent varier. Pour une évaluation cohérente, exécutez chaque exemple 5 fois.
• Des transformations d'images supplémentaires peuvent interférer avec l'efficacité des injections.
• Toutes les charges utiles ne fonctionneront pas avec chaque implémentation et jeu de paramètres des algorithmes de réduction d'échelle bicubique et bilinéaire en raison de la robustesse variable de l'anti-aliasing entre les implémentations, des paramètres par défaut différents dans les bibliothèques de mise à l'échelle et des optimisations spécifiques à l'implémentation qui affectent le comportement d'interpolation.
• Cela vaut également pour les systèmes d'IA de production plus largement, car le comportement de mise à l'échelle du système est sujet à changement.

Responsables

• Kikimora Morozova
• Suha Sabi Hussain

Références

• Armer la mise à l'échelle d'images contre les systèmes d'IA de production
• Prétraitement adversarial : Comprendre et prévenir les attaques de mise à l'échelle d'images dans l'apprentissage automatique
• Voir n'est pas croire : Attaques de camouflage sur les algorithmes de mise à l'échelle d'images