تحسين الحدّة المُحافظ على البنية مع التوجيه بالانحدار

تُعد الهياكل عنصرًا حاسمًا في تحسين الدقة الصورية من صورة واحدة (SISR). وقد ساهمت الدراسات الحديثة التي تعتمد على الشبكات التوليدية المتنافسة (GAN) في دفع عجلة تطور SISR من خلال استرجاع صور واقعية بصريًا. ومع ذلك، تظل هناك دائمًا تشوهات هيكلية غير مرغوب فيها في الصور المسترجعة. في هذه الورقة، نقترح طريقة لتحسين الدقة الصورية مع الحفاظ على الهيكل، بهدف تقليل هذه المشكلة مع الحفاظ على المزايا المميزة للطرق القائمة على GAN في إنتاج تفاصيل جذابة بصريًا. بشكل محدد، نستخدم خرائط التدرج (gradient maps) للصور لتوجيه عملية الاسترجاع من ناحيتين. من ناحية، نعيد بناء خرائط التدرج عالية الدقة من خلال فرع خاص بالتمييز (gradient branch)، مما يوفر معلومات أولية هيكلية إضافية لعملية التحسين. ومن ناحية أخرى، نقترح خسارة تدرجية (gradient loss) تفرض قيدًا من الدرجة الثانية على الصور المحسّنة دقةً. وبالإضافة إلى دوال الخسارة في فضاء الصورة السابقة، تساعد هذه الأهداف في فضاء التدرج الشبكات التوليدية على التركيز بشكل أكبر على الهياكل الهندسية. علاوة على ذلك، تُعد طريقة العمل لدينا مستقلة عن النموذج (model-agnostic)، مما يجعلها قابلة للاستخدام مع شبكات تحسين دقة جاهزة (off-the-shelf). تُظهر النتائج التجريبية أننا نحقق أفضل أداء من حيث مؤشري PI وLPIPS، مع أداء مماثل في مؤشري PSNR وSSIM مقارنة بالأساليب المتطورة الحالية التي تركز على الجوانب البصرية. كما تُظهر النتائج البصرية تفوقنا في استرجاع الهياكل مع القدرة على إنتاج صور محسّنة دقةً طبيعية.