الشبكة التركيزية لإعادة تشكيل الصور

تهدف إعادة ترميم الصور إلى استرجاع صورة واضحة من نسخة معطوبة منها، وهي تلعب دورًا مهمًا في العديد من المجالات. في الآونة الأخيرة، حققت نماذج المُحَوِّل (Transformer) أداءً واعدًا في مهام إعادة ترميم الصور المختلفة. ومع ذلك، تظل التعقيد التربيعي الخاص بها مشكلة غير قابلة للحل في التطبيقات العملية. ويهدف هذا البحث إلى تطوير إطار عمل فعّال وفعّال لإعادة ترميم الصور. مستوحى من حقيقة أن المناطق المختلفة في الصورة المعطوبة تتعرض دائمًا لدرجات متفاوتة من التدهور، نقترح التركيز أكثر على المناطق المهمة لعملية الاسترجاع. ولتحقيق ذلك، نُقدّم آلية اختيار ثنائية المجال لتعزيز المعلومات الحاسمة لإعادة الترميم، مثل إشارات الحواف ومناطق الصعوبة. علاوةً على ذلك، نقوم بتقسيم الميزات عالية الدقة لإدراج مجالات استقبال متعددة المقاييس داخل الشبكة، مما يُحسّن من الكفاءة والأداء معًا. وأخيرًا، تم بناء الشبكة المقترحة، التي تُسمّى FocalNet، من خلال دمج هذه التصاميم داخل هيكل أساسي على شكل حرف U. أظهرت التجارب الواسعة أن نموذجنا يحقق أداءً من الدرجة الأولى على عشرة مجموعات بيانات لثلاثة مهام، بما في ذلك إزالة الضبابية الناتجة عن عدم التركيز في صورة واحدة، وإزالة الضباب عن الصور، وإزالة الثلوج عن الصور. يمكن الوصول إلى الكود الخاص بنا من خلال الرابط: https://github.com/c-yn/FocalNet.