FHDR: إعادة بناء صورة HDR من صورة LDR واحدة باستخدام شبكة التغذية الراجعة

أصبح من الممكن إنشاء صور ذات نطاق ديناميكي عالٍ (HDR) من صورة واحدة ذات نطاق ديناميكي منخفض (LDR) بفضل التقدم الحديث في مجال التعلم العميق. تم اقتراح العديد من شبكات العصبي المتكررة الأمامية (CNNs) لتعلم تمثيلات LDR إلى HDR. للحصول على استفادة أفضل من قوة شبكات CNN، نستغل فكرة الردود الفعلية، حيث يتم توجيه الخصائص الأولية المنخفضة باستخدام الخصائص العليا عبر حالة مخفية لشبكة عصبية متكررة (RNN). على عكس مرور واحد أمامي في شبكة أمامية تقليدية، يتم تعلم إعادة بناء الصورة من LDR إلى HDR في شبكة الردود الفعلية عبر عدة تكرارات. هذا يمكّننا من إنشاء تمثيل خشن إلى دقيق، مما يؤدي إلى تحسين إعادة البناء في كل تكرار. من بين المزايا المختلفة التي تتفوق بها الشبكات الأمامية ذات الردود الفعلية على الشبكات الأمامية القياسية هي قدرة الإعادة المبكرة وجودة إعادة البناء الأفضل مع عدد أقل من معلمات الشبكة. نصمم كتلة رد فعل كثيفة ونقترح شبكة رد فعل كاملة- FHDR لإنشاء صور HDR من صورة واحدة ذات نطاق ديناميكي منخفض. تظهر التقييمات النوعية والكمية تفوق نهجنا على أحدث الأساليب.请注意，这里有一些术语的翻译：- High dynamic range (HDR): نطاق ديناميكي عالٍ (HDR)- Low dynamic range (LDR): نطاق ديناميكي منخفض (LDR)- Deep Learning: التعلم العميق- Convolutional Neural Networks (CNNs): شبكات العصبي المتكررة الأمامية (CNNs)- Recurrent Neural Network: شبكة عصبية متكررة (RNN)- Feedback: الردود الفعلية- Forward pass: مرور أمامي- Reconstruction: إعادة بناء- Dense feedback block: كتلة رد فعل كثيفة- End-to-end feedback network: شبكة رد فعل كاملة这些翻译在阿拉伯语中是常用的科技术语表达。如果有任何不常见的术语，我已在括号中标注了原文。希望这能帮助您更好地理解译文。