Des chercheurs ont développé un modèle d’intelligence artificielle qui génère des images panoramiques pour le tourisme virtuel. Baptisé SGMSD-Net, le système vise à remédier à une limite des images touristiques générées par l’IA : les scènes peuvent sembler convaincantes sans représenter fidèlement le lieu qu’elles montrent. Les résultats sont publiés dans l’International Journal of Information Quality.

SGMSD-Net utilise un guidage sémantique pour interpréter le sens d’une scène et la modélisation par diffusion pour créer des images grâce à un raffinement progressif. Selon l’équipe de recherche, le modèle fonctionne en trois étapes de résolution : il établit d’abord la structure générale de l’image, puis ajoute des détails tels que les textures et l’éclairage.

Des tests réalisés à l’aide des jeux de données SUN360 et Matterport3D ont montré que SGMSD-Net surpassait quatre approches existantes en matière de qualité d’image, de similarité perceptuelle et de cohérence avec les descriptions textuelles. Les évaluations subjectives ont également indiqué que les scènes générées étaient claires et visuellement cohérentes.

Le modèle pourrait favoriser des visites virtuelles permettant aux utilisateurs d’explorer des destinations avant de voyager. Les chercheurs suggèrent également des applications dans les reconstitutions éducatives de sites historiques difficiles d’accès ou nécessitant une protection contre le tourisme afin de soutenir les efforts de conservation.

Les travaux futurs examineront comment le modèle pourrait être associé à la reconstruction tridimensionnelle et à des systèmes d’intelligence artificielle multimodale. Ces technologies pourraient traiter différentes formes d’information afin de créer des représentations plus interactives de destinations virtuelles.

L’étude, intitulée « Semantic-guided multi-scale diffusion network for immersive tourism content generation », a été rédigée par Lun Wei et ses collègues et publiée dans l’International Journal of Information Quality en 2026. DOI : 10.1504/ijiq.2026.157237

Sources: Phys.org.