ترفند دو مرحله‌ای هوش مصنوعی برای پایان چالش عکاسی در نور کم با دوربین گوشی‌ های هوشمند

دوربین گوشی‌های هوشمند در ثبت جزئیات از صحنه‌های دشوار و پیچیده به پیشرفت‌های شگفت‌انگیزی دست یافته‌اند، اما همچنان یک دشمن دیرینه و آشنا پیش روی آن‌هاست: تاریکی. زمانی که نور محیط کاهش می‌یابد، حتی گران‌قیمت‌ترین و پرچم‌دارترین گوشی‌ها نیز ممکن است تصاویری همراه با نویز (Grain)، سایه‌های تار و کدر و جزئیات محوشده ثبت کنند. با این حال، یک روش نوین بهبود تصویر مبتنی بر هوش مصنوعی می‌تواند مسیر متفاوتی را برای تحول عکاسی در شب پیش روی صنعت موبایل قرار دهد.

به گزارش بخش اخبار فناوری زوم تک به نقل از دیجیتال ترندز (Digital Trends)، پژوهشگران دانشگاه ووهان چین سامانه‌ای دو مرحله‌ای بر پایه یادگیری ماشین به نام LL-Refiner توسعه داده‌اند که برای ارتقای کیفیت تصاویر با رزولوشن فوق‌العاده بالا (UHD) در شرایط کم‌نور طراحی شده است؛ این سامانه بدون آنکه جزئیات ظریف و جلوه طبیعی عکس را فدا کند، وضوح تصویر را به شکل چشمگیری افزایش می‌دهد. این دستاورد علمی توسط پایگاه تک اکسپلور (Tech Xplore) پوشش داده شده و در ژورنال تخصصی IEEE/CAA Journal of Automatica Sinica به چاپ رسیده است.

رویکرد دو مرحله‌ای هوش مصنوعی؛ پردازش هوشمند به جای اصلاح هم‌ زمان

با افزایش مداوم وضوح و مگاپیکسل سنسور دوربین‌ها، پردازش و اصلاح تصاویر در تاریکی به مراتب دشوارتر می‌شود. تصاویر با کیفیت اولترا اچ‌دی (UHD) حجم عظیمی از داده‌ها را شامل می‌شوند؛ این بدان معناست که یک سامانه هوش مصنوعی باید علاوه بر افزایش روشنایی، به‌طور هم‌زمان رنگ‌ها، نورپردازی، لبه‌ها، بافت‌ها و ساختار کلی صحنه را بدون افت کیفیت حفظ کند.

سامانه نوین LL-Refiner با تقسیم این فرایند پردازشی سنگین به دو مرحله مجزا، بر این چالش بزرگ غلبه کرده است:

• مرحله اول (بهینه‌سازی سراسری): در گام نخست، یک شبکه عصبی مبتنی بر ترنسفورمر (Transformer) روی نسخه‌ای با رزولوشن پایین‌تر از تصویر کار می‌کند. این سیستم به جای پردازش آنی تک‌تک پیکسل‌ها، یک بهینه‌سازی کلی و متمرکز بر ویژگی‌های فراگیر صحنه نظیر تنظیم روشنایی، توزیع رنگ و ساختار سراسری تصویر ارائه می‌دهد.
• مرحله دوم (بهبود تطبیقی و بازیابی جزئیات): در ادامه، خروجی به دست آمده به یک شبکه بهبود تطبیقی (Adaptive Refinement Network) منتقل می‌شود. این سیستم با بهره‌گیری از ماژول‌های توجه متقاطع (Cross-Attention)، به‌صورت تدریجی لبه‌های شارپ‌تر، بافت‌ها و جزئیات ظریف را در مقیاس‌های گوناگون بازسازی می‌کند تا در نهایت به رزولوشن کامل تصویر برسد.

این رویکرد از اهمیت بالایی برخوردار است، زیرا ضمن حفظ اطلاعات و جزئیاتی که معمولاً در تاریکی ناپدید می‌شوند، بار محاسباتی و پردازشی ناشی از ارتقای تصاویر حجیم و فوق‌با‌کیفیت را به شکل محسوسی کاهش می‌دهد.

فراتر از عکاسی در شب؛ کاربرد سیستم در بینایی ماشین و تخمین عمق

محققان عملکرد الگوریتم LL-Refiner را در مقایسه با چندین روش برجسته و پیشرو در زمینه ارتقای کیفیت تصویر، با استفاده از عکس‌های واقعی ثبت‌شده در نور کم — از جمله تصاویر گوشی‌های هوشمند که در شرایطی متفاوت از داده‌های آموزشی ثبت شده بودند — مورد ارزیابی قرار دادند.

بر اساس اعلام تیم پژوهشی، LL-Refiner به‌طور پیوسته نتایج برتری ارائه داده و به‌ویژه در حفظ شفافیت نواحی بافت‌دار و ساختار ظریف الگوها عملکرد کم‌نظیری ثبت کرده است.

با این حال، محققان به ارزیابی زیبایی ظاهری تصاویر بسنده نکردند؛ آن‌ها کارایی تصاویر پردازش‌شده را در یک شاخص مهم در حوزه بینایی ماشین (Computer Vision) یعنی تخمین عمق (Depth Estimation) نیز آزمایش کردند.

این آزمون بسیار حائز اهمیت است؛ چرا که امروزه دوربین‌ها داده‌های بصری را مستقیماً به سیستم‌های پیشرفته‌ای همچون ربات‌ها و فناوری‌های ناوبری خودران ارسال می‌کنند. پژوهشگران دریافتند تصاویری که توسط LL-Refiner پردازش شده‌اند، خروجی‌های بسیار دقیق‌تری در برآورد عمق میدان ارائه می‌دهند. پروفسور جیایی ما (Jiayi Ma) تصریح کرد که این سامانه تنها متد آزمایش‌شده‌ای بوده که توانسته در شرایط نوری ضعیف، تخمین عمق پس‌زمینه را با دقتی استاندارد و قابل‌قبول انجام دهد.

آینده عکاسی در گوشی‌ های هوشمند؛ بازسازی هوشمندانه به جای افزایش مگاپیکسل

برای کاربران گوشی‌های هوشمند، این دستاورد به این معنا نیست که یک به‌روزرسانی نرم‌افزاری به زودی قابلیت عکاسی در شب دستگاه فعلی آن‌ها را متحول خواهد کرد؛ زیرا این پروژه در حال حاضر نمایشی از یک متدولوژی تحقیقاتی نوین است و هنوز به یک قابلیت تجاری در دوربین گوشی‌ها تبدیل نشده است.

با این وجود، چشم‌انداز این فناوری بسیار روشن است. با حرکت مداوم دوربین گوشی‌های هوشمند به سمت وضوح بالاتر، صرفاً افزایش تعداد مگاپیکسل‌ها نمی‌تواند چالش عکاسی در نور ضعیف را حل کند. راهکارهایی نظیر LL-Refiner نشان می‌دهند که گوشی‌های آینده برای بازسازی هوشمندانه تصاویر در محیط‌های تاریک، بیش از پیش به الگوریتم‌های یادگیری ماشین و هوش مصنوعی متکی خواهند بود — بدون آنکه ماهیت تصویر را به پدیده‌ای مصنوعی و غیرواقعی تبدیل کنند.