HyperAIHyperAI

Command Palette

Search for a command to run...

إعادة التفكير في النهج التدريجي من العام إلى الخاص في إزالة الضبابية من صورة واحدة

Sung-Jin Cho Seo-Won Ji Jun-Pyo Hong Seung-Won Jung Sung-Jea Ko

الملخص

تم استخدام استراتيجيات من الخشن إلى الدقيق على نطاق واسع في تصميم هيكل شبكات إزالة الضباب من صورة واحدة. وعادةً ما تقوم الطرق التقليدية بوضع شبكة فرعية متعددة المقياس فوق بعضها باستخدام صور مدخلات متعددة المقياس، ثم تحسين وضوح الصورة تدريجيًا من الشبكة الفرعية السفلية إلى العلوية، مما يؤدي حتمًا إلى تكاليف حسابية عالية. ولتحقيق تصميم شبكة سريعة ودقيقة لإزالة الضباب، نعيد النظر في الاستراتيجية من الخشن إلى الدقيق ونقدّم شبكة U ذات مدخلات متعددة ومخرجات متعددة (MIMO-UNet). تتميز MIMO-UNet بثلاث خصائص مميزة: أولاً، يستخدم المُشفِّر الواحد في MIMO-UNet صورًا مدخلة متعددة المقياس لتخفيف صعوبة التدريب. ثانيًا، يستخدم المُفكِّك الواحد في MIMO-UNet إخراجًا متعدد الصور المُزالة للضباب بمقاييس مختلفة، مما يحاكي الشبكات المتسلسلة من نوع U باستخدام شبكة واحدة على شكل حرف U. ثالثًا، تم إدخال دمج الميزات غير المتماثل لدمج الميزات متعددة المقياس بطريقة فعّالة. أظهرت التجارب الواسعة على مجموعتي بيانات GoPro وRealBlur أن الشبكة المقترحة تتفوق على أحدث الطرق من حيث الدقة وتعقيد الحساب. يُمكن الاطلاع على الكود المصدري لأغراض البحث عبر الرابط التالي: https://github.com/chosj95/MIMO-UNet.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp