ترفند هوش مصنوعی برای نجات عکسهای تاریک گوشی
پژوهشگران چینی روشی دو مرحلهای مبتنی بر هوش مصنوعی توسعه دادهاند که با هدف کاهش نویز و بازگرداندن جزئیات در عکسهای کمنور گوشیها طراحی شده است.
به گزارش گروه علم و پیشرفت خبرگزاری فارس به نقل از دیجیتالترندز، دوربین گوشیهای هوشمند در سالهای اخیر پیشرفت چشمگیری داشتهاند، اما تاریکی همچنان یکی از سختترین چالشهای عکاسی با موبایل است. در نور کم، حتی گوشیهای گرانقیمت هم ممکن است تصاویری پر از نویز، سایههای نامشخص و جزئیات محوشده ثبت کنند. حالا پژوهشگران دانشگاه ووهان چین روشی مبتنی بر هوش مصنوعی توسعه دادهاند که میتواند مسیر تازهای برای بهبود عکسهای کمنور ارائه کند.این سامانه که «الال-ریفاینر» نام دارد، یک سیستم یادگیری ماشین دو مرحلهای است که برای بهبود تصاویر فوقوضوحبالا در شرایط کمنور طراحی شده است. هدف آن روشنتر و واضحتر کردن تصویر، بدون از بین بردن جزئیات ظریفی است که باعث طبیعی به نظر رسیدن عکس میشوند. نتایج این پژوهش سوم ژوئیه ۲۰۲۶ در نشریه «آیتریپلئی/سیایای ژورنال آو اتوماتیکا سینیکا» منتشر شده است.مشکل زمانی جدیتر میشود که وضوح دوربینها افزایش پیدا میکند. تصاویر فوقوضوحبالا حجم بسیار زیادی از اطلاعات را در خود جای میدهند و یک سامانه هوش مصنوعی باید همزمان روشنایی، رنگ، لبهها، بافتها و ساختار کلی صحنه را مدیریت کند. پردازش مستقیم تمام این اطلاعات میتواند هزینه محاسباتی زیادی داشته باشد و حتی باعث از دست رفتن برخی جزئیات شود.
«الال-ریفاینر» برای حل این مسئله، فرآیند بهبود تصویر را به دو مرحله تقسیم میکند. در مرحله نخست، یک شبکه عصبی مبتنی بر معماری «ترنسفورمر» نسخهای با وضوح پایینتر از عکس را پردازش میکند. این بخش به جای تمرکز روی تکتک پیکسلها، ویژگیهای کلی تصویر مانند میزان روشنایی، توزیع رنگ و ساختار عمومی صحنه را استخراج کرده و یک نسخه اولیه از تصویر بهبودیافته میسازد.سپس این نتیجه به شبکه دوم، یعنی یک سامانه پالایش تطبیقی، منتقل میشود. این شبکه با استفاده از سازوکار «توجه متقابل» تصویر را در مقیاسهای مختلف بررسی میکند و بهتدریج جزئیات از دسترفته را بازسازی میکند. لبههای اشیا، بافت سطوح و الگوهای ظریف در این مرحله تقویت میشوند تا تصویر در نهایت به وضوح کامل برسد.اهمیت این روش فقط به بهتر شدن ظاهر عکس محدود نمیشود. پژوهشگران «الال-ریفاینر» را در برابر چند روش پیشرفته دیگر روی مجموعهای از تصاویر واقعی کمنور آزمایش کردند؛ از جمله تصاویری که با گوشی هوشمند و در شرایط متفاوت از دادههای آموزشی ثبت شده بودند. به گفته تیم تحقیق، روش جدید در حفظ وضوح مناطق دارای بافت و ساختارهای ظریف عملکرد بهتری نشان داد.
پژوهشگران برای بررسی دقیقتر، تصاویر بهبودیافته را وارد یک آزمایش مستقل برای «تخمین عمق» نیز کردند. این فناوری به سامانههای بینایی ماشین کمک میکند فاصله و موقعیت اشیا را نسبت به دوربین تشخیص دهند. چنین قابلیتی برای رباتها و فناوریهای ناوبری خودکار اهمیت زیادی دارد.نتایج نشان داد تصاویر پردازششده با «الال-ریفاینر» میتوانند تخمین عمق دقیقتری ایجاد کنند. به گفته پروفسور «جیایی ما»، این سامانه در شرایط مورد بررسی تنها روشی بود که توانست تخمین نسبتاً دقیقی از عمق پسزمینه ارائه دهد.البته این پژوهش هنوز به معنای ورود یک قابلیت جدید به دوربین گوشیها نیست و کاربران نباید انتظار داشته باشند با یک بهروزرسانی، ناگهان کیفیت عکاسی شبانه گوشیشان متحول شود. «الال-ریفاینر» فعلاً یک روش پژوهشی است، اما جهت آن برای آینده دوربینهای موبایل قابل توجه است.با افزایش وضوح دوربینها، اضافه کردن پیکسلهای بیشتر بهتنهایی مشکل عکاسی در تاریکی را حل نمیکند. فناوریهایی مانند «الال-ریفاینر» نشان میدهند که نسل آینده دوربینهای هوشمند احتمالاً بیش از گذشته به هوش مصنوعی برای بازسازی هوشمندانه تصاویر کمنور متکی خواهد بود؛ البته با یک چالش مهم: بهبود تصویر بدون ساختن جزئیاتی که در صحنه واقعی وجود نداشتهاند.
#هوش_مصنوعی #دوربین_گوشی #عکاسی_موبایل #عکاسی_شبانه #فناوری #تصویربرداری #گوشی_هوشمندآخرین مطالب حوزه فناوری را در صفحه اصلی «علم و پیشرفت» بخوانید.
00:17 - 7 شهریور 1405