Macro Micro News Global Pulse. Local Truth.

PSGAN: Как псевдосенсорные GAN преобразуют ночное зрение для приложений реального времени

03 November 2026 · 1 min read

We compile, generate and translate using Artificial Intelligence from the below given source. Macro Micro News is responsible for its editorial publication.

Article image by Annie Spratt
Image by Annie Spratt

В сфере цифровой обработки сигналов слияние инфракрасных и видимых изображений стало ключевым инструментом для обеспечения четкого обзора в сложных условиях. Этот метод объединяет тепловые данные от инфракрасных датчиков с богатыми текстурными деталями, захваченными камерами видимого диапазона. Такое слияние компенсирует недостатки использования одного типа сенсора. Одноканальная визуализация часто дает сбои в темноте или страдает от шумов в инфракрасных показаниях. Однако совмещение этих разнородных данных всегда было сложной задачей из-за их фундаментальных различий и трудностей, создаваемых темной средой.

Исследователи представили новое решение под названием PSGAN. Эта система использует генеративно-состязательную сеть с тройным дискриминатором и механизмом псевдосенсинга. Идея заключается в выравнивании распределений разных типов изображений при имитации обратного процесса человеческого восприятия. Сравнивая результаты работы модуля псевдосенсинга с исходными изображениями, архитектура гарантирует физическую согласованность выходных данных. Такой подход эффективен даже без явных эталонных меток.

Архитектура PSGAN включает улучшенный многомасштабный модуль слияния UNW-Fuser. Этот компонент применяет нормализованное внимание и волновые свертки для расширения поля рецепции и фильтрации избыточной информации. В систему также встроен дискриминатор освещенности. Он помогает направлять слитые изображения к оптимальному уровню яркости и контраста. Для оценки качества используется многокритериальная система на основе теории доказательств Демпстера-Шафера. Она дает комплексное представление о производительности по различным параметрам.

Тестирование на наборах данных MSRS, M3FD, TNO и LLVIP показало превосходство PSGAN по точности и обобщающей способности по сравнению с существующими передовыми методами. Алгоритм отлично сохраняет резкость границ и текстуры при естественном уровне яркости. В задачах обнаружения объектов он значительно снижает количество ложных срабатываний. Небольшие компромиссы наблюдаются только при детекции пешеходов из-за изменений локального контраста при усилении ночного режима. Тем не менее общий прирост эффективности значителен.

Особую привлекательность PSGAN придает его легковесная конструкция. Модель содержит всего 0,127 миллиона параметров и требует 17,24 миллисекунды на вывод. Это обеспечивает отличный баланс между скоростью и качеством. Такая эффективность делает алгоритм идеальным для систем реального времени в автономном вождении, видеонаблюдении и военных операциях. Надежное зрение при плохом освещении там критически важно. Будущие разработки могут быть направлены на создание адаптивных механизмов затворов, чувствительных к освещению. Это повысит адаптивность системы в различных световых сценариях.