HyperAIHyperAI

Command Palette

Search for a command to run...

LIME: تحسين الصور ذات الإضاءة المنخفضة من خلال تقدير خريطة الإضاءة

Xiaojie Guo Haibin Ling Yu Li

الملخص

عند التقاط الصور في ظروف الإضاءة المنخفضة، غالبًا ما تعاني الصور من انخفاض في الوضوح. إلى جانب تدهور الجمالية البصرية للصور، قد يؤدي هذا النوع من الجودة الضعيفة إلى تدهور كبير في أداء العديد من خوارزميات الرؤية الحاسوبية والوسائط المتعددة التي صُمّمت أساسًا لمعالجة مدخلات عالية الجودة. في هذه الورقة، نقترح طريقة بسيطة ولكن فعّالة لتحسين الصور في الإضاءة المنخفضة (LIME). وبشكل أكثر دقة، يتم أولاً تقدير الإضاءة لكل بكسل على حدة من خلال تحديد القيمة القصوى في قنوات R و G و B. ثم، نُحسّن خريطة الإضاءة الأولية من خلال تطبيق قيد بنائي عليها، ليتم الحصول على خريطة الإضاءة النهائية. وبمجرد توفر خريطة إضاءة جيدة، يمكن تحقيق التحسين المطلوب. وتم عرض تجارب على عدد من الصور ذات الإضاءة المنخفضة الصعبة، لإظهار فعالية طريقة LIME، وبيان تفوقها على عدة طرق حديثة من حيث جودة التحسين وكفاءة الأداء.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
LIME: تحسين الصور ذات الإضاءة المنخفضة من خلال تقدير خريطة الإضاءة | مستندات | HyperAI