PSGAN: كيف تحوّل شبكات التوليد الضدّي للمحاكاة الحسية الرؤية في الإضاءة المنخفضة لتطبيقات الوقت الحقيقي
We compile, generate and translate using Artificial Intelligence from the below given source. Macro Micro News is responsible for its editorial publication.
في عالم معالجة الإشارات الرقمية المعقد، أصبح دمج الصور تحت الحمراء والمرئية أداة حيوية للرؤية الواضحة في الظروف الصعبة. يجمع هذا الأسلوب بين البيانات الحرارية من أجهزة الاستشعار تحت الحمراء والتفاصيل النصية الغنية التي التقطتها الكاميرات المرئية. بهذه الطريقة يتجاوز تقنيات الدمج نقاط ضعف الاعتماد على نوع واحد من المستشعرات. غالباً ما تواجه الصور أحادية الطيف صعوبة في الظلام أو تعاني من ضوضاء في قراءات الأشعة تحت الحمراء. كان دائماً دمج هذين النوعين المختلفين من البيانات أمراً شاقاً بسبب اختلافاتها الجوهرية وتحديات البيئات المظلمة.
قدم الباحثون الآن حلاً جديداً يُعرف بـ PSGAN. يعتمد هذا النظام على شبكة مولدة ضدّية فريدة ذات ثلاث محاكمات. تتضمن هذه البنية آلية محاكاة حسية. الفكرة ذكية جداً. فهي تضبط توزيعات أنواع الصور المختلفة بينما تحاكي العملية العكسية لإدراكنا للصور. تضمن الإطار أن تظل النتائج المولدة متسقة فيزيائياً من خلال مقارنة ما تنتجه وحدة المحاكاة الحسية مع صور المصدر الأصلية. يعمل هذا النهج بشكل جيد حتى دون الحاجة إلى تسميات أرضية صريحة لتوجيه العملية.
تتميز بنية PSGAN بوحدات اندماج متعددة المقاييس محسّنة تُعرف باسم UNW-Fuser. تستخدم هذه الوحدة الانتباه القائم على التطبيع والالتواءات الموجية لتوسيع مجال الاستقبال وترشيح المعلومات الزائدة. كما يتضمن النظام محاكماً للإضاءة يساعد في توجيه الصور المدمجة نحو السطوع والتباين الأمثل. لقياس النجاح، تعتمد الطريقة إطار تقييم متعدد المعايير مبني على نظرية الأدلة لدبستر-شايفر. يوفر هذا الإطار رؤية شاملة للأداء عبر أبعاد مختلفة.
أظهرت الاختبارات التي أجريت على مجموعات بيانات متعددة بما في ذلك MSRS وM3FD وTNO وLLVIP أن PSGAN يقدم دقة وتعميماً أفضلين مقارنة بأساليب الحالة الحالية الرائدة. يحافظ النظام بشكل ممتاز على حدة الحواف ويحتفظ بتفاصيل النسيج مع الحفاظ على مستويات سطوع طبيعية. في المهام اللاحقة مثل كشف الأجسام، يقلل بشكل كبير من النتائج الإيجابية الكاذبة. هناك بعض المقايضات الطفيفة في كشف المشاة بسبب تغيرات التباين المحلي أثناء تعزيز الإضاءة المنخفضة، لكن المكاسب الإجمالية كبيرة.
ما يجعل PSGAN جذاباً بشكل خاص هو تصميمه الخفيف الوزن. مع ما يقارب 0.127 مليون معلمة وزمن استنتاج يبلغ 17.24 مللي ثانية، يوفر توازناً ممتازاً بين السرعة والجودة. تجعل هذه الكفاءة منه مثالياً للتطبيقات في الوقت الحقيقي مثل القيادة الذاتية والمراقبة والعمليات العسكرية حيث تكون الرؤية الموثوقة في الإضاءة السيئة أمراً بالغ الأهمية. قد تركز التطورات المستقبلية على إنشاء آليات فتاحية تكيفية واعية بالإضاءة لتحسين القدرة على التكيف عبر سيناريوهات إضاءة مختلفة.