التعلم القابل للمفاضلة من البداية إلى النهاية لإنشاء صور HDR لمجموعات الصور متعددة التعرض

في الآونة الأخيرة، تم استخدام إطار عميق للتعلم لإعادة بناء صور ذات نطاق ديناميكي عالٍ (HDR) من خلال مكدس التعرضات المتعددة المأخوذ من تعرض واحد معين لإنتاج صور HDR عالية الجودة. تركز هذه الشبكات التقليدية على مهمة نقل التعرض لإعادة بناء مكدس التعرضات المتعددة. ولذلك، فإنها غالباً ما تفشل في دمج مكدس التعرضات المتعددة إلى صورة HDR جذابة بصرياً بسبب حدوث تشوهات العكس. نحن نواجه مشكلة الطرق القائمة على إعادة بناء المكدس من خلال اقتراح إطار جديد يحتوي على عملية تصوير ذات نطاق ديناميكي عالٍ (HDRI) قابلة للاشتقاق بالكامل. من خلال استخدام الخسارة بشكل صريح، والتي تقارن إخراج الشبكة بالصورة الحقيقية HDR، يمكن ل initWithFramerنا أن يُمكّن الإطار الجديد شبكة عصبية من التدريب بثبات لإنتاج مكدس التعرضات المتعددة لـ HDRI. بعبارة أخرى، يساعد طبقة التركيب القابلة للاشتقاق الخاصة بـ HDR الشبكة العصبية العميقة على التدريب لإنشاء مكدسات التعرضات المتعددة مع انعكاس العلاقات الدقيقة بين صور التعرضات المتعددة في عملية HDRI. بالإضافة إلى ذلك، تستخدم شبكتنا عملية تفكيك الصورة والعملية المرتدة لتسهيل مهمة نقل التعرض والاستجابة المتكيفة لمعدل الاستدعاء المرتد. تظهر النتائج التجريبية أن الشبكة المقترحة تتفوق على أفضل النتائج الكمية والنوعية في مجال مهام نقل التعرض وكذا العملية الكاملة لـ HDRI.请注意，"setWithFrame" 一词在原文中似乎是一个拼写错误，可能是 "enabling" 的误打。因此，在阿拉伯语翻译中，我将其修正为 "يمكن". 如果您有其他意见或需要进一步调整，请告知。