TreEnhance: طريقة بحث شجري لتحسين الصور ذات الإضاءة المنخفضة

في هذه الورقة، نقدم طريقة تُسمى TreEnhance، وهي طريقة تلقائية لتحسين الصور ذات الإضاءة المنخفضة قادرة على رفع جودة الصور الرقمية. تعتمد الطريقة على دمج نظرية البحث الشجري، وبخاصة خوارزمية البحث الشجري مونت كارلو (MCTS)، مع التعلم العميق المعزز. عند إدخال صورة ذات إضاءة منخفضة، تُنتج TreEnhance نسخة محسّنة من الصورة، إلى جانب التسلسل الكامل للعمليات المُعدّلة للصورة المستخدمة في الحصول عليها. أثناء مرحلة التدريب، تتناوب الطريقة بشكل متكرر على مرحلتين رئيسيتين: المرحلة الأولى هي مرحلة التوليد، حيث يقوم نسخة معدلة من خوارزمية MCTS باستكشاف فضاء عمليات تحرير الصور واختيار التسلسل الأكثر واعدة، والمرحلة الثانية هي مرحلة التحسين، حيث يتم تحديث معاملات الشبكة العصبية التي تُنفّذ سياسة التحسين.وقد اقترحنا حلَّين مختلفين للاستنتاج (Inference) لتحسين صور جديدة: الأول يستند إلى خوارزمية MCTS، وهو أكثر دقة لكنه يستهلك وقتًا وذاكرة أكبر؛ والثاني يطبّق مباشرة السياسة المُتعلّمة، وهو أسرع لكنه أقل دقة قليلاً. كمساهمة إضافية، نقترح استراتيجية بحث مُرشدة تُعيد "عكس" عملية التحسين التي يطبّقها محرر الصور على صورة إدخال معينة. على عكس الطرق الأخرى المطروحة في الأدبيات الحديثة، لا تفرض TreEnhance أي قيود على دقة الصورة (الدقة المكانية)، ويمكن استخدامها في مجموعة متنوعة من السياقات مع تكييف بسيط للغاية. تم اختبار الطريقة على مجموعتي بيانات: مجموعة بيانات Low-Light ومجموعة Adobe Five-K، وحققت نتائج جيدة من حيث الجودة البصرية والقياسات الكمية.