KUNet: إعادة بناء صورة HDR فردية مُلهمة بالمعرفة البصرية

في الآونة الأخيرة، مع انتشار أجهزة العرض ذات النطاق الديناميكي العالي (HDR)، أصبح هناك طلب كبير على تحويل الصور التقليدية ذات النطاق الديناميكي المنخفض (LDR) إلى نسخ محسّنة بتنسيق HDR. وتكمن مفتاح النجاح في كيفية معالجة مشكلة التماثل المتعدد إلى متعدد. ومع ذلك، فإن الطرق الحالية إما لا تأخذ بعين الاعتبار قيود فضاء الحلول، أو تقوم فقط بمحاكاة خطوات معالجة الصورة العكسية الخاصة بالكاميرات بشكل مبسط، دون صياغة مباشرة لعملية إنشاء الصورة HDR. في هذا العمل، نعالج هذه المشكلة من خلال دمج معرفة التحويل من LDR إلى HDR داخل هيكل UNet، ونطلق على هذا النموذج اسم UNet المُحفَّز بالمعرفة (KUNet). ويُصاغ التحويل من LDR إلى HDR بشكل رياضي، ويمكن تقسيمه مفاهيمياً إلى ثلاث مراحل: استعادة التفاصيل المفقودة، وتعديل معاملات التصوير، وتقليل الضوضاء الناتجة عن التصوير. وعليه، نطوّر كتلة أساسية مُحفَّزة بالمعرفة (KIB) تتضمن ثلاث شبكات فرعية تقابل هذه المراحل الثلاث في عملية التصوير HDR. وتُرتّب كتل KIB بشكل متسلسل بطريقة مشابهة لـ UNet لبناء صورة HDR غنية بمعلومات عالمية. بالإضافة إلى ذلك، نقترح هيكلًا مُحفَّزًا بالمعرفة للاتصالات العرضية (jump-connect) لملء الفجوة في نطاق الديناميكية بين الصور HDR وLDR. تُظهر النتائج التجريبية أن نموذج KUNet يحقق أداءً متفوّقًا مقارنة بالأساليب الحالية الرائدة. يُمكن الاطلاع على الكود والبيانات والمواد الإضافية عبر الرابط التالي: https://github.com/wanghu178/KUNet.git.