شبكة انحدار تسلسلية لإعادة بناء الطيف من صور RGB

تم استخدام كاميرات التصوير فوق الطيفي بنجاح في العديد من المجالات بفضل تقنية التصوير بالشريحة الضيقة. يشير استرجاع الطيف فوق الطيفي من صور RGB إلى عملية عكسية للتصوير فوق الطيفي، وذلك من خلال اكتشاف دالة استجابة عكسية. تركز الدراسات الحالية على تحويل صور RGB مباشرة إلى الطيف المقابل، دون أخذ المعلومات السياقية بعين الاعتبار بشكل صريح. علاوةً على ذلك، يؤدي استخدام زوج المشفر-المُفكك (encoder-decoder) في الخوارزميات الحالية إلى فقدان المعلومات. لمعالجة هذه المشكلات، نقترح شبكة انحدار هرمية بمستويات أربع (HRNet) تستخدم طبقة PixelShuffle لتمكين التفاعل بين المستويات المختلفة. بالإضافة إلى ذلك، نستخدم بلوكًا كثيفًا متبقيًا (residual dense block) لإزالة الشوائب الناتجة عن صور RGB الواقعية، ونستخدم بلوكًا عالميًا متبقيًا (residual global block) لبناء آلية انتباه تُوسع مجال الإدراك. قمنا بتقييم الشبكة المقترحة HRNet مقارنةً ببنية أخرى وتقنيات مختلفة من خلال المشاركة في تحدي NTIRE 2020 الخاص باسترجاع الطيف من صور RGB. وقد تمكنت HRNet من الفوز في المسار 2 المتعلق بالصور الواقعية، واحتلت المرتبة الثالثة في المسار 1 المتعلق بالصور النظيفة. يُرجى زيارة الصفحة الرسمية للمشروع عبر الرابط التالي: https://github.com/zhaoyuzhi/Hierarchical-Regression-Network-for-Spectral-Reconstruction-from-RGB-Images لتجربة الكودات والنموذج المدرب مسبقًا.