استعادة وتحسين الصور المتعددة الإطارات

يمكن للأجهزة المحمولة الحديثة التقاط سلسلة صور متتابعة بسرعة. ومع ذلك، تعاني الإطارات الفردية الملتقطة من تدهورات متعددة وتكون غير متناسقة بسبب اهتزاز الكاميرا وحركة الأشياء. هدف استعادة الصور المتتابعة هو الجمع بكفاءة بين العناصر التكميلية عبر الإطارات المتتابعة لتوليد مخرجات عالية الجودة. لتحقيق هذا الهدف، نطور نهجًا جديدًا يركز بشكل حصري على تبادل المعلومات الفعالة بين الإطارات المتتابعة، بحيث يتم تصفيت التدهورات بينما يتم الحفاظ على تفاصيل المشهد الفعلية وتعزيزها. فكرة مركزية هي إنشاء مجموعة من الخصائص الوهمية للصور المتتابعة التي تجمع المعلومات التكميلية من جميع الإطارات المتتابعة المدخلة لتبادل المعلومات بسلاسة. ومع ذلك، لا يمكن إنشاء الصورة الوهمية بنجاح إلا إذا تم تناسق الإطارات المتتابعة الفردية بشكل صحيح للتقليل من الحركات بين الإطارات. لذلك، يبدأ نهجنا باستخراج الخصائص المعالجة مسبقًا من كل إطار متتابع وتطابقها باستخدام وحدة تناسق الصور المتتابعة المحسنة بالأطراف (edge-boosting). ثم يتم إنشاء الخصائص الوهمية للصور المتتابعة وتغنيها باستخدام معلومات السياق متعددة المستويات. الخطوة النهائية لدينا هي جمع المعلومات من الخصائص الوهمية للصور المتتابعة بشكل تكيفي لزيادة الدقة تدريجيًا في عدة مراحل مع دمج الخصائص الوهمية للصور المتتابعة. عند مقارنتها بالWorks الموجودة التي تتبع عادةً نظام الاندماج المتأخر مع زيادة الدقة في مرحلة واحدة، فإن نهجنا يؤدي بشكل أفضل، حيث يوفر أداءً رائدًا في مجال زيادة دقة الصور المتتابعة، تعزيز الصور ذات الإضاءة المنخفضة في الصور المتتابعة، ومكافحة الضوضاء في الصور المتتابعة. الرمز المصدر والأنماط المدربة مسبقًا متاحة على \url{https://github.com/akshaydudhane16/BIPNet}.