HyperAIHyperAI

Command Palette

Search for a command to run...

الأسس البسيطة لاستعادة الصور

Liangyu Chen* Xiaojie Chu* Xiangyu Zhang Jian Sun

الملخص

رغم التقدم الملحوظ في مجال استعادة الصور مؤخراً، فإن تعقيد أنظمة الطرق الرائدة (SOTA) يزداد أيضاً، مما قد يعيق التحليل والمقارنة المريحة للطرق. في هذا البحث، نقترح قاعدة بسيطة تتفوق على طرق SOTA وتعتبر فعالة من الناحية الحسابية. لتبسيط القاعدة بشكل أكبر، نكشف أن الدوال التنشيطية غير الخطية مثل سيجمويد (Sigmoid)، ريلو (ReLU)، جيلو (GELU)، سوفتمكس (Softmax) وغيرها ليست ضرورية: يمكن استبدالها بالضرب أو إزالتها. وهكذا، نستنتج شبكة خالية من الدوال التنشيطية غير الخطية، والتي نسميها NAFNet. تم تحقيق نتائج رائدة على العديد من المقاييس الصعبة، مثل 33.69 ديسيبل PSNR على مجموعة بيانات GoPro (لإلغاء تشويش الصور)، متجاوزة أفضل النتائج السابقة بمقدار 0.38 ديسيبل مع استخدام 8.4% فقط من تكلفة الحسابات الخاصة بها؛ و40.30 ديسيبل PSNR على مجموعة بيانات SIDD (لإزالة الضوضاء من الصور)، متجاوزة أفضل النتائج السابقة بمقدار 0.28 ديسيبل مع أقل من نصف تكلفة الحسابات الخاصة بها. تم إطلاق الكود والنموذج المدرب مسبقاً على الرابط https://github.com/megvii-research/NAFNet.


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