عن تعلم عمليات الانتشار التفاعلي المحسّنة لاستعادة الصور بشكل فعال

على مدى عدة عقود، تظل استعادة الصور موضوعًا نشطًا للبحث في الرؤية الحاسوبية ذات المستوى المنخفض، وبالتالي تبرز Approaches جديدة باستمرار. ومع ذلك، فإن العديد من الخوارزميات المقترحة حديثًا تحقق أداءً متقدمًا فقط على حساب وقت حسابي مرتفع جدًا، مما يحد بوضوح من أهميتها العملية. في هذا العمل، نقترح نهجًا بسيطًا لكنه فعال يجمع بين الكفاءة الحسابية العالية وجودة الاستعادة العالية. نحن نمدد النماذج التقليدية للاختلافات التفاعلية غير الخطية من خلال عدة فلاتر خطية معلمات وكذلك عدة دوال تأثير معلمات. نقترح تدريب معلمات الفلاتر ودوال التأثير من خلال نهج قائم على الخسائر. تظهر التجارب أن نماذج الاختلافات التفاعلية غير الخطية المدربة لدينا تستفيد بشكل كبير من تدريب المعلمات وتؤدي في النهاية إلى أفضل أداء تم الإبلاغ عنه على مجموعة بيانات اختبار شائعة لاستعادة الصور. نظرًا لبساطتها الهيكلية، فإن نماذجنا المدربة فعالة للغاية وهي مناسبة جيدًا أيضًا للحساب المتوازي على وحدات معالجة الرسومات.