HyperAIHyperAI

Command Palette

Search for a command to run...

تحسين الصور ذات الإضاءة المنخفضة المعتمدة على SNR

Jiaya Jia Chi-Wing Fu RuiXing Wang Xiaogang Xu

الملخص

يقدم هذا البحث حلًا جديدًا لتحسين الصور في الإضاءة المنخفضة من خلال استغلال مجمّع لنموذجات المحولات المستندة إلى نسبة الإشارة إلى الضوضاء (SNR) والنمذجة التلافيفية لتعزيز البكسلات ديناميكيًا باستخدام عمليات تختلف حسب الموقع. حيث تُطبَّق العمليات طويلة المدى على مناطق الصورة التي تتمتع بنسبة إشارة إلى ضوضاء (SNR) منخفضة جدًا، بينما تُطبَّق العمليات القصيرة المدى على باقي المناطق. ونقترح استخدام معرفة مسبقة بنسبة الإشارة إلى الضوضاء (SNR) لتوجيه دمج الميزات، ونُصَمّم نموذج محول مُدرك لنسبة الإشارة إلى الضوضاء باستخدام نموذج انتباه ذاتي جديد يمنع تأثير البكسلات من مناطق الصورة المشوّشة ذات نسبة إشارة إلى ضوضاء منخفضة جدًا. أظهرت التجارب الواسعة أن إطارنا يحقق أداءً أفضل باستمرار مقارنةً بالطرق المتقدمة (SOTA) على سبعة معايير ممثلة، مع الحفاظ على نفس البنية. بالإضافة إلى ذلك، أجرينا دراسة مستخدمين على نطاق واسع شارك فيها 100 مشارك للتحقق من الجودة الإدراكية المتفوقة لنتائجنا.


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
تحسين الصور ذات الإضاءة المنخفضة المعتمدة على SNR | مستندات | HyperAI