الشبكات العصبية التكرارية متعددة الزمنية للتفتيت التدريجي غير الموحد للصورة الفردية غير الواضحة مع التدريب الزمني التدريجي

تم استكشاف الطرق متعددة المقاييس (MS) على نطاق واسع في مجال إزالة الضبابية العمياء لصورة أو فيديو واحدة، حيث يتم استرداد الصورة المزالة للضبابية تدريجيًا بدءًا من المقياس المكاني المنخفض، ثم الانتقال إلى المقياس المكاني العالي، مع استخدام الناتج من المقياس المنخفض كمدخل للقياس الأعلى. وقد أثبتت هذه الطرق فعاليتها بشكل خاص في حالات الضبابية الشديدة الناتجة عن حركات كبيرة في المقياس المكاني العالي، نظرًا لأن هذه الضبابية تُنظر إليها كضبابية ضعيفة في المقياس المكاني المنخفض. في هذا العمل، نستكشف نهجًا بديلًا للطرق متعددة المقاييس، يُعرف بالنهج متعدد الأزمنة (MT)، لمعالجة إزالة الضبابية غير الموحدة في الصور الفردية. ونُقدّم تدريبًا تدريجيًا على الزمن باستخدام مجموعة بيانات متعددة الأزمنة (MT) تم بناؤها من مجموعة بيانات زمنية مفصلة، ونطور نماذج جديدة من الشبكات العصبية التكرارية متعددة الأزمنة (MT-RNNs) التي تعتمد على خرائط ميزات تكرارية، ونستكشف عملية إزالة الضبابية التدريجية للصورة الفردية عبر التكرارات. وقد أظهرت الطرق المقترحة أداءً أفضل من أحدث الطرق القائمة على المقياس المتعدد (MS) على مجموعة بيانات GoPro من حيث معامل PSNR، مع أقل عدد من المعاملات.