جدول بحث أربعي قابل للتعلم يراعي السياق لتحسين الصور

يهدف تحسين الصور إلى تحسين الجودة البصرية الجمالية للصور من خلال تعديل الألوان والتوones، وهو تقنية أساسية في التصوير الرقمي الاحترافي. في السنوات الأخيرة، حققت الخوارزميات القائمة على التعلم العميق لتحسين الصور أداءً واعدًا وحظيت باهتمام متزايد. ومع ذلك، فإن الجهود التقليدية تسعى إلى بناء مُحسّن موحد لتحويل الألوان لكل بكسل، مما يتجاهل الفروق بين البكسلات المُختلفة حسب المحتوى (مثل السماء، المحيط، إلخ)، والتي تكون ذات أهمية كبيرة في الصور، ما يؤدي إلى نتائج غير راضية. في هذه الورقة، نقترح جدولًا بحثيًا أربعي الأبعاد قابلاً للتعلم (4D LUT) يعتمد على السياق، والذي يحقق تحسينًا يعتمد على المحتوى لكل محتوى مختلف في الصورة من خلال تعلُّم مُتكيف للسياق الصوري. وبشكل خاص، نُقدِّم أولاً مشفرًا خفيف الوزن للسياق ومشفرًا للمعاملات لاستخلاص خريطة سياقية على مستوى البكسل تُشير إلى الفئة، ومجموعة من المعاملات المُتكيفة مع الصورة على التوالي. ثم يتم إنشاء جدول 4D LUT القائم على السياق من خلال دمج عدة جداول أساسية 4D LUT باستخدام تلك المعاملات. وأخيرًا، يمكن الحصول على الصورة المحسَّنة من خلال إدخال الصورة المصدرية وخرائط السياق إلى جدول 4D LUT المُدمج باستخدام التداخل الرباعي الخطي. مقارنةً بالجدول الثلاثي الأبعاد التقليدي (3D LUT)، أي التماثل من RGB إلى RGB، الذي يُستخدم عادة في أنظمة خطوط معالجة الكاميرات أو الأدوات، فإن جدول 4D LUT، أي التماثل من RGBC (RGB + السياق) إلى RGB، يتيح تحكمًا أكثر دقة في تحويلات الألوان للبكسلات ذات محتويات مختلفة في الصورة، حتى لو كانت لها نفس القيم RGB. وأظهرت النتائج التجريبية أن طريقةنا تتفوّق على الطرق المتطورة الأخرى في معايير معيارية شائعة الاستخدام.