عملية التشتت العابرة للبنية العالمية لتحسين الصور ذات الإضاءة المنخفضة

يدرس هذا البحث إطارًا قائمة على الانتشار (diffusion-based framework) لمعالجة مشكلة تحسين الصور ذات الإضاءة المنخفضة. ولاستغلال الإمكانات التي تقدمها نماذج الانتشار، نتعمق في هذه العملية المعقدة ونُقدِّم دعوة إلى تنظيم المسار العادي (ODE-trajectory) المتأصل في هذه النماذج. وبصورة محددة، مستلهمين من الأبحاث الحديثة التي تشير إلى أن مسار ODE ذي الانحناء المنخفض يؤدي إلى عملية انتشار مستقرة وفعالة، نُصيغ مصطلحًا للتنظيم يعتمد على البنية غير المحلية المتأصلة في بيانات الصور، أي ما يُعرف بتنظيم الوعي بالبنية الشاملة (global structure-aware regularization)، والذي يُسهم تدريجيًا في الحفاظ على التفاصيل المعقدة وتعزيز التباين خلال عملية الانتشار. ويساهم هذا التكامل في تقليل التأثيرات السلبية الناتجة عن الضوضاء والعيوب (artifacts) الناتجة عن عملية الانتشار، مما يؤدي إلى تحسين أكثر دقة ومرونة. ولتعزيز التعلم في المناطق الصعبة، نُقدِّم تقنية تنظيم موجهة بالتحفظ (uncertainty-guided regularization)، والتي تُخفِّض بذكاء من القيود المفروضة على أكثر المناطق تطرفًا في الصورة. تُظهر التقييمات التجريبية أن الإطار القائم على الانتشار المُقترح، المُكمل بتنظيم مبني على الرتب (rank-informed regularization)، يحقق أداءً متميزًا في تحسين الصور ذات الإضاءة المنخفضة. وتُشير النتائج إلى تقدم كبير في جودة الصور، وقمع الضوضاء، وتعزيز التباين مقارنةً بالأساليب الرائدة في المجال. نؤمن أن هذا النهج المبتكر سيُحفّز مزيدًا من الاستكشاف والتطور في مجال معالجة الصور ذات الإضاءة المنخفضة، مع إمكانية تأثيره على تطبيقات أخرى لنموذج الانتشار. يُمكن الوصول إلى الكود المصدر بشكل عام عبر الرابط: https://github.com/jinnh/GSAD.