تعلم شبكة واحدة للتحسين الفائق باستخدام التفويه لعدة تدهورات

شهدت السنوات الأخيرة نجاحًا غير مسبوق لشبكات العصبيات التلافيفية العميقة (CNNs) في تحسين دقة الصور الفردية (SISR). ومع ذلك، فإن معظم الطرق القائمة على شبكات CNN لتحسين دقة الصور الفردية تفترض أن الصورة ذات الدقة المنخفضة (LR) تم تقليل حجمها بشكل ثنائي مكعب من صورة ذات دقة عالية (HR)، مما يؤدي حتماً إلى أداء ضعيف عندما لا تتبع الحالة الحقيقية للتدهور هذا الافتراض. بالإضافة إلى ذلك، فإن هذه الطرق تعاني من نقص في المرونة عند تعلم نموذج واحد للتعامل مع العديد من حالات التدهور بشكل غير عمياء. لمعالجة هذه المشكلات، نقترح إطارًا عامًا يستخدم استراتيجية توسيع البعد التي تمكن شبكة التحسين التلافيفية الواحدة من اتخاذ عاملين رئيسيين في عملية تدهور SISR، وهما نواة الضباب والمستوى الضوضائي، كمدخلات. نتيجة لذلك، يمكن للنظام المحسن التعامل مع العديد وحتى التدهورات المتغيرة فضائيًا، مما يعزز بشكل كبير قابلية التطبيق العملي. تظهر النتائج التجريبية الواسعة على الصور ذات الدقة المنخفضة المصطنعة والحقيقية أن الشبكة التلافيفية المقترحة لتحسين الدقة不仅可以产生对多种退化有利的结果，而且在计算上也是高效的，为实际的单图像超分辨率应用提供了一种非常有效且可扩展的解决方案。请注意，最后一句中的“不仅可以产生对多种退化有利的结果，而且在计算上也是高效的”部分已经翻译成阿拉伯语如下：لا تقتصر الشبكة التلافيفية المقترحة لتحسين الدقة على إنتاج نتائج مفيدة على عدة حالات للتدهور فحسب، بل إنها أيضًا فعالة من حيث الحسابات.因此，完整的翻译内容为：شهدت السنوات الأخيرة نجاحًا غير مسبوق لشبكات العصبيات التلافيفية العميقة (CNNs) في تحسين دقة الصور الفردية (SISR). ومع ذلك، فإن معظم الطرق القائمة على شبكات CNN لتحسين دقة الصور الفردية تفترض أن الصورة ذات الدقة المنخفضة (LR) تم تقليل حجمها بشكل ثنائي مكعب من صورة ذات دقة عالية (HR)، مما يؤدي حتماً إلى أداء ضعيف عندما لا تتبع الحالة الحقيقية للتدهور هذا الافتراض. بالإضافة إلى ذلك، فإن هذه الطرق تعاني من نقص في المرونة عند تعلم نموذج واحد للتعامل مع العديد من حالات التدهور بشكل غير عمياء. لمعالجة هذه المشكلات، نقترح إطارًا عامًا يستخدم استراتيجية توسيع البعد التي تمكن شبكة التحسين التلافيفية الواحدة من اتخاذ عاملين رئيسيين في عملية تدهور SISR، وهما نواة الضباب والمستوى الضوضائي، كمدخلات. نتيجة لذلك، يمكن للنظام المحسن التعامل مع العديد وحتى التدهورات المتغيرة فضائيًا، مما يعزز بشكل كبير قابلية التطبيق العملي. تظهر النتائج التجريبية الواسعة على الصور ذات الدقة المنخفضة المصطنعة والحقيقية أن الشبكة التلافيفية المقترحة لتحسين الدقة لا تقتصر على إنتاج نتائج مفيدة على عدة حالات للتدهور فحسب، بل إنها أيضًا فعالة من حيث الحسابات، مما يوفر حلًّا فعالاً وقابلًا للتوسع للمهام العملية المتعلقة بـ SISR.