إزالة الضباب من صورة واحدة لسيناريوهات ضباب متنوعة باستخدام شبكة الهرم المُعاد تProjected

يُعدّ تعلّم إزالة الضباب عن صور مفردة، وبخاصة باستخدام مجموعة تدريب صغيرة، أمرًا صعبًا جدًا. نقترح هنا بنية جديدة لشبكة توليدية منافسة (GAN) لحل هذه المشكلة، تُسمى شبكة الهرم المُعاد تكوينه (BPPNet)، والتي تُظهر أداءً ممتازًا في ظروف ضبابية صعبة متنوعة، بما في ذلك الضباب الكثيف والضباب غير الموحّد. تعتمد البنية المُقترحة على تعلّم مستويات متعددة من التعقيد مع الحفاظ على السياق المكاني من خلال كتل متكررة من شبكات UNet، بالإضافة إلى معلومات بنائية على مقاييس متعددة من خلال كتلة تبليغ هرمية مبتكرة. تُشكل هذه الكتل معًا الجزء المُولّد للشبكة، وتمكّن من التعلّم عبر عملية إعادة التكوين (Back Projection). وقد أظهرنا أن شبكتنا يمكن تدريبها دون حدوث تجاوز التدريب (Over-fitting) باستخدام ما لا يزيد عن 20 زوجًا من الصور (صورة ضبابية وصورة غير ضبابية). كما نُقدّم أداءً يُعدّ من أفضل الأداء في مجاله على مجموعات بيانات الضباب الموحّد NTIRE 2018 للصور الداخلية والخارجية، ومجموعة بيانات الضباب الكثيف NTIRE 2019، ومجموعة بيانات الضباب غير الموحّد NTIRE 2020.