شبكة تكرارية غير محلية لاستعادة الصور

قد أظهرت العديد من الطرق الكلاسيكية أن التشابه الذاتي غير المحلي في الصور الطبيعية يمكن أن يكون مُسبقًا فعّالًا لاستعادة الصور. ومع ذلك، لا يزال من الصعب وغير واضح كيفية الاستفادة من هذه الخاصية الجوهرية عبر الشبكات العميقة. في هذا البحث، نقترح شبكة تكرارية غير محلية (NLRN) كأول محاولة لدمج العمليات غير المحلية في شبكة عصبية تكرارية (RNN) لاستعادة الصور. المساهمات الرئيسية لهذا العمل هي:على عكس الطرق الحالية التي تقاس التشابه الذاتي بطريقة معزولة، يمكن دمج الوحدة غير المحلية المقترحة بمرنٍ في الشبكات العميقة الحالية للتدريب من النهاية إلى النهاية للكشف عن ارتباط الخصائص العميقة بين كل موقع وجواره.نستفيد بشكل كامل من بنية RNN因其参数效率高，并允许在相邻的递归状态之间传播深度特征相关性。这种新设计提高了对因严重退化图像导致的相关性估计不准确的鲁棒性。(请注意，第二点中的最后一句“这种新设计...”在阿拉伯语中可以优化为以下表达：)هذا التصميم الجديد يعزز المتانة ضد تقديرات الارتباط غير الدقيقة بسبب الصور المعطوبة بشدة.نوضح أنه من الأساسي الحفاظ على جوار محصور لحساب ارتباط الخصائص العميقة عند التعامل مع الصور المعطوبة. وهذا يختلف عن الممارسات الحالية التي تعتمد على صورة كاملة.لقد أجرينا تجارب واسعة على مهام إزالة الضوضاء والتعزيز الفائق للصور. بفضل العمليات غير المحلية التكرارية وانتشار الارتباط، حققت NLRN المقترحة نتائج أفضل بكثير من أفضل الطرق الحالية باستخدام عدد أقل بكثير من المعلمات.