FFDNet: نحو حل سريع ومرن لتنقية الصور باستخدام الشبكات العصبية الم convoledة

بسبب الاستدلال السريع والأداء الجيد، تم دراسة طرق التعلم التمييزية بشكل واسع في إزالة الضوضاء من الصور. ومع ذلك، فإن هذه الطرق تتعلم في الغالب نموذجًا محددًا لكل مستوى ضوضاء وتتطلب عدة نماذج لإزالة الضوضاء من صور ذات مستويات ضوضاء مختلفة. كما أنها تفتقر إلى المرونة في التعامل مع الضوضاء المتغيرة مكانياً، مما يحد من تطبيقاتها في الإزالة العملية للضوضاء. لحل هذه المشكلات، نقدم شبكة عصبية تقنية وإزالة ضوضاء مرنة، والتي أطلقنا عليها اسم FFDNet (شبكة FFD)، مع خريطة مستوى ضوضاء قابلة للضبط كمدخل. يعمل FFDNet المقترح على صور فرعية مخفضة الدقة، مما يحقق توازنًا جيدًا بين سرعة الاستدلال وأداء إزالة الضوضاء. بخلاف المزيلات التمييزية الحالية، يتمتع FFDNet بعدة خصائص مرغوبة، بما في ذلك: (i) القدرة على التعامل بكفاءة مع نطاق واسع من مستويات الضوضاء (أي [0, 75]) باستخدام شبكة واحدة فقط، (ii) القدرة على إزالة الضوضاء المتغيرة مكانياً عن طريق تحديد خريطة مستوى ضوضاء غير متجانسة، و (iii) سرعة أكبر من المعيار BM3D حتى على المعالجات المركزية (CPU) دون التضحية بأداء إزالة الضوضاء. تم إجراء تجارب واسعة النطاق على صور اصطناعية وحقيقية تحتوي على ضوضاء لتقييم FFDNet بالمقارنة مع أفضل المزيلات الحالية. أظهرت النتائج أن FFDNet فعال وكفء، مما يجعله جذابًا للغاية لتطبيقات الإزالة العملية للضوضاء.