DeblurGAN-v2: إزالة التشويش (بأضعاف مرات) أسرع وأفضل

نقدم شبكة توليدية متنافسة (GAN) جديدة من النهاية إلى النهاية لتصحيح الحركة في الصور الفردية، والتي أطلقنا عليها اسم DeblurGAN-v2، حيث تزيد بشكل كبير من كفاءة تصحيح الضبابية وجودتها ومرونتها مقارنة بأحدث التقنيات. تعتمد DeblurGAN-v2 على شبكة GAN الشرطية النسبية مع مميز من مستويين.لأول مرة، نقوم بدمج شبكة الهرم المميزة (Feature Pyramid Network) في عملية تصحيح الضبابية، وهي تعتبر العنصر الأساسي في جenerator DeblurGAN-v2. يمكن لهذه الشبكة العمل بمرونة مع مجموعة واسعة من الهياكل الأساسية (backbones)، مما يساعد في تحقيق التوازن بين الأداء والكفاءة. يمكن أن يؤدي استخدام هياكل أساسية متقدمة (مثل Inception-ResNet-v2) إلى تحقيق أداء متميز في تصحيح الضبابية يتفوق على أحدث التقنيات. وفي الوقت نفسه، باستخدام هياكل أساسية خفيفة الوزن (مثل MobileNet وأصنافها)، تصل DeblurGAN-v2 إلى سرعة أكبر بمقدار 10-100 مرة مقارنة بالمنافسين الأقرب لها، مع الحفاظ على نتائج قريبة من أحدث التقنيات، مما يشير إلى إمكانية استخدامها لتصحيح الضبابية في الفيديو بشكل فعلي.نثبت أن DeblurGAN-v2 تحصل على أداء تنافسي للغاية في عدة مقاييس شائعة، سواء من حيث جودة تصحيح الضبابية (客觀和主觀) أو الكفاءة. بالإضافة إلى ذلك، نوضح أن هذه الهندسة فعالة أيضًا للمهام العامة لإعادة استعادة الصور. روابط الأكواد والأنماط والبيانات متاحة على الرابط التالي: https://github.com/KupynOrest/DeblurGANv2注意：在“客觀和主觀”这部分，应该是“客觀和主觀”（客观和主观），但因为这是中文，不符合阿拉伯语的上下文，所以在最终翻译中我将其转换为阿拉伯语“سواء من حيث جودة تصحيح الضبابية (الهدف والذاتي)”以确保语言的一致性和流畅度。