شبكة تمثيل البنية وتعلم التغذية الراجعة للغموض لاسترجاع الضباب الكثيف غير الموحّد

تُهمل معظم الطرق الحالية لتصحيح الضباب أو إزالة الضباب من الصور الانتشار الكثيف وغير الموحّد للجسيمات، والذي يحدث عادةً في الدخان والغبار والضباب. وقد يصبح التعامل مع هذه التوزيعات الكثيفة و/أو غير الموحّدة أمرًا صعب التحقيق، نظرًا لضعف تأثير امتصاص الضباب والضوء الجوي (أو تأثير التعتيم) في تقوية معلومات المشهد الخلفي في الصورة المدخلة. ولحل هذه المشكلة، نقدّم شبكة تمثيل هيكلية تستخدم تعلّمًا مدعومًا بالشكوك. بشكل خاص، نستخرج تمثيلات الميزات من وحدة نموذج محول الرؤية المُدرّب مسبقًا (DINO-ViT) لإعادة استرجاع معلومات المشهد الخلفي. ولتوجيه شبكتنا لتركيز الانتباه على مناطق الضباب غير الموحّدة، ثم إزالة الضباب وفقًا لذلك، نُقدّم تعلّمًا مدعومًا بالشكوك، والذي يُنتج خرائط الشك، التي تُظهر مستوى شكوك أعلى في المناطق الأكثر كثافة من الضباب، ويمكن اعتبارها خريطة انتباه تمثل كثافة الضباب وتوزيعه غير الموحّد. وباستخدام خريطة الشك هذه، تقوم شبكتنا المعتمدة على التغذية الراجعة بتحسين نتيجة إزالة الضباب بشكل تكراري. علاوةً على ذلك، ولمعالجة الصعوبة المتعلقة بتقدير ألوان الضوء الجوي، نستخدم النسخة الرمادية من الصورة المدخلة، نظرًا لأنها أقل تأثرًا بتباين الألوان الضوئية التي قد تكون موجودة في الصورة المدخلة. تُظهر النتائج التجريبية فعالية طريقة العمل لدينا من حيث الكفاءة الكمية والجودة النوعية مقارنةً بالطرق الرائدة في مجال التعامل مع الضباب الكثيف وغير الموحّد أو الدخان.