⚡ electrical engineering

Learning to Translate Noise for Robust Image Denoising

تقترح هذه الورقة إطار عمل جديد لترجمة الضجيج يقوم بتحويل الضجيج الواقعي المعقد وغير المعروف إلى ضجيج غاوسي عبر شبكة مخصصة، مما يتيح لمزيل الضجيج الغاوسي المُدرب مسبقاً تحقيق متانة وقدرة تعميم فائقتين على البيانات الخارجة عن التوزيع مقارنة بالأساليب الرائدة الحالية.

المؤلفون الأصليون: Inju Ha, Donghun Ryou, Seonguk Seo, Bohyung Han

نُشر 2026-04-03

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Inju Ha, Donghun Ryou, Seonguk Seo, Bohyung Han

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

إليك شرح لورقة بحثية بعنوان "تعلم ترجمة الضجيج من أجل إزالة الضجيج من الصور بفعالية"، مقسمة إلى مفاهيم بسيطة مع تشبيهات إبداعية.

المشكلة الكبرى: معضلة "الضجيج الأجنبي"

تخيل أنك طاهٍ محترف (شبكة إزالة الضجيج - Denoising Network) قضيت سنوات من التدريب في مطبخ لتتعلم بدقة كيفية إزالة الملح من الحساء. أنت خبير في تحديد وتصفية الملح تماماً.

الآن، تخيل أن أحدهم قدم لك وعاءً من الحساء لا يحتوي على ملح فحسب، بل يحتوي أيضاً على فلفل، ورقائق فلفل حار، وتوابل غريبة من بلد آخر (هذا هو الضجيج الواقعي - Real-World Noise).

إذا حاولت إزالة هذه التوابل الجديدة باستخدام مهاراتك في "إزالة الملح"، فقد تسبب فوضى. قد تزيل نكهة الحساء بالخطأ (تفاصيل الصورة) أو تترك قطع التوابل الحارة خلفك. هذا هو بالضبط ما يحدث مع أدوات تنظيف الصور بالذكاء الاصطناعي الحالية؛ فهي مدربة على "ضجيج اصطناعي" (مثل الملح المثالي والمتجانس)، لكنها تفشل عندما تواجه الضجيج المعقد وغير المنتظم الموجود في صور الهواتف الذكية الحقيقية (مثل ارتفاع الـ ISO، الإضاءة المنخفضة، أو أعطال المستشعرات).

الحل: "مترجم الضجيج"

بدلاً من محاولة تعليم الطاهي التعرف على كل نوع من التوابل في العالم (وهو أمر مستحيل)، يقترح المؤلفون استراتيجية جديدة وهي: الترجمة.

لقد قدموا شبكة ترجمة الضجيج (NTN). فكر في هذا كأنه مترجم عالمي أو فلتر سحري يوضع بين الحساء الفوضوي وبين الطاهي.

إليك كيف تسير العملية:

المدخلات: لديك صورة مشوشة بضجيج واقعي معقد وغير معروف.
الترجمة: تنظر شبكة (NTN) إلى هذا الضجيج الفوضوي وتقول: "لا يمكنني إزالة هذا مباشرة، ولكن يمكنني تحويله". تقوم الشبكة رياضياً بإعادة تشكيل هذا الضجيج الغريب والمعقد ليصبح ضجيجاً غاوسياً (Gaussian Noise) (وهو يشبه "الملح" الذي يعرفه الطاهي ويتقنه تماماً).
التنظيف: يأخذ الطاهي (شبكة إزالة الضجيج المدربة مسبقاً) هذا "الحساء المترجم". وبما أن الضجيج أصبح الآن مجرد "ملح"، يقوم الطاهي بإزالته بسهولة وإتقان.
النتيجة: تحصل على صورة نظيفة ولذيذة.

كيف يتعلم المترجم؟

توضح الورقة البحثية أن المترجم (NTN) يحتاج لتعلم قاعدتين محددتين ليقوم بعمله بشكل جيد. وقد صمم المؤلفون طريقة تدريب خاصة لتعليمه:

1. الدرس "الضمني" (النتيجة هي الأهم)
يُقال للمترجم: "هدفك هو جعل الصورة النهائية تبدو نظيفة قدر الإمكان". هو يتعلم من خلال التجربة والخطأ؛ فإذا أنتج الطاهي صورة سيئة، يعرف المترجم أنه لم يترجم الضجيج بشكل صحيح.

2. الدرس "الصريح" (قواعد اللعبة)
يتم إعطاء المترجم أيضاً كتاب قواعد صارم. يجب عليه التأكد من أن الضجيج الذي ينتجه يتبع قوانين التوزيع الغاوسي (Gaussian distribution).

تشبيه: تخيل المترجم كأنه "دي جي" (DJ). الدرس "الصريح" يخبر الدي جي: "لا تشغل موسيقى عشوائية فحسب؛ بل يجب أن تعزف نوعاً موسيقياً محدداً (غاوسي) يحبه الجمهور (الطاهي)".
تستخدم الورقة البحثية الرياضيات (مسافة واسرستين - Wasserstein distance) لقياس مدى قرب "الضجيج الجديد" من "الضجيج الغاوسي المثالي" وتجبر المترجم على الاقتراب منه في كل مرة.

3. المكون السري: حقن الضجيج الغاوسي (Gaussian Injection)
للتأكد من أن المترجم يتعلم فعلياً التحدث بلغة "الغاوس"، قام المؤلفون بحقن القليل من الضجيج الغاوسي داخل دماغ المترجم نفسه (طبقات الشبكة العصبية) أثناء التدريب.

تشبيه: الأمر يشبه تعليم طالب التحدث بالفرنسية من خلال جعله يرتدي سماعة رأس تصدر "لكنة فرنسية" أثناء الممارسة. هذا يجبر دماغه على التكيف مع بنية اللغة الجديدة دون تشويه الرسالة الأصلية.

لماذا يعد هذا أمراً هاماً؟

1. إنه "مستقل عن النموذج" (يعمل مع أي نموذج - Plug-and-Play)
الجزء الأفضل هو أن هذا المترجم يعمل مع أي طاهٍ. سواء كان الطاهي مطبخاً صغيراً وسريعاً (مثل NAFNet) أو مطعماً ضخماً وبطيئاً (مثل Restormer)، يمكنك ربط المترجم بهم. أنت تدرب المترجم مرة واحدة، ثم يمكنك استخدامه مع أي أداة لإزالة الضجيء تمتلكها.

2. يتعامل مع "المجهول"
الضجيج في العالم الحقيقي غير متوقع. فالصورة الملتقطة ليلاً بهاتف آيفون تختلف عن تلك الملتقطة بكاميرا سوني. الطرق التقليدية تحاول حفظ كل نوع من أنواع الضجيج، أما هذه الطريقة فتقول: "لسنا بحاجة لحفظ الضجيج؛ نحن فقط بحاجة إلى ترجمته إلى شيء نعرف بالفعل كيف نتعامل معه".

3. سريع وخفيف
المترجم صغير جداً وخفيف الوزن، فهو لا يضيف وقتاً إضافياً يُذكر للعملية. إنه يشبه إضافة مترجم كفء وصغير إلى فريق عمل دون إبطاء العملية برمتها.

الخلاصة

تحل الورقة البحثية مشكلة "ارتباك الذكاء الاصطناعي بسبب الفوضى الواقعية" عبر إضافة وسيط. بدلاً من إجبار الذكاء الاصطناعي على تعلم كل نوع ممكن من الأوساخ، فإنها تعلمه تحويل الأوساخ إلى نوع قياسي من الأوساخ يعرف بالفعل كيف ينظفه.

في جملة واحدة: لقد صنعوا "مترجم ضجيج" ذكياً يحول ضجيج الصور الواقعي الفوضوي إلى ضجيج قياسي ونظيف، مما يسمح لأدوات تنظيف الصور الحالية بالعمل ببراعة على صور لم يكن بمقدورها معالجتها سابقاً.

إليك ملخص تقني مفصل لورقة البحث بعنوان "تعلم ترجمة الضجيج من أجل إزالة ضجيج الصور بمتانة" (Learning to Translate Noise for Robust Image Denoising).

1. بيان المشكلة

حققت نماذج إزالة ضجيج الصور القائمة على التعلم العميق نجاحاً كبيراً في البيئات المحكومة حيث يتم نمذجة الضجيج كضجيج غاوسي (Gaussian noise) اصطناعي. ومع ذلك، تعاني هذه النماذج من ضعف في التعميم عند تطبيقها على ضجيج العالم الحقيقي، وهو ضجيج خارج التوزيع (OOD).

المشكلة الجوهرية: ضجيج العالم الحقيقي (مثل ضجيج كاميرات الهواتف الذكية عند مستويات ISO العالية) معقد، ويعتمد على الإشارة، ومرتبط مكانياً. تميل النماذج المدربة على ضجيج غاوسي اصطناعي أو مجموعات بيانات ضجيج حقيقي محددة إلى الإفراط في التكيف (Overfitting) مع توزيع التدريب، مما يؤدي إلى الفشل في التعامل مع أنواع أو مستويات ضجيج غير مرئية بفعالية.
القيود الحالية: تعتمد الأساليب الحالية إما على مجموعات بيانات ضخمة ومتنوعة من العالم الحقيقي (وهو أمر غير عملي لجمعها) أو تستخدم طرقاً ذاتية الإشراف/صفرية التدريب (Zero-shot) غالباً ما تعطي جودة أقل أو تكاليف حوسبة عالية. علاوة على ذلك، تفتقر الطرق التي تحاول تكييف توزيعات الضجيج (مثل pixel-shuffle أو التحويلات الثابتة) إلى المرونة.

2. المنهجية

يقترح المؤلفون إطار عمل جديد لـ ترجمة الضجيج (Noise Translation Framework) يقوم بفصل عملية التعامل مع الضجيج عن عملية إزالة الضجيج. بدلاً من تدريب نموذج إزالة ضجيج للتعامل مع الضجيج الحقيقي مباشرة، يقوم إطار العمل أولاً بترجمة الضجيج الحقيقي إلى توزيع غاوسي مثالي معروف، والذي يتم بعد ذلك إزالته بواسطة نموذج إزالة ضجيج غاوسي مدرب مسبقاً.

يتكون إطار العمل من مرحلتين رئيسيتين:

أ. شبكة إزالة الضجيج الغاوسي ( $D$ )

يتم تدريب شبكة إزالة ضجيج قياسية (مثل NAFNet أو XFormer) باستخدام التعلم الخاضع للإشراف على ضجيج غاوسي اصطناعي.
هذه الشبكة متخصصة في إزالة الضجيج غير المرتبط مكانياً والمستقل والمتماثل التوزيع (i.i.d.). وتكون بارامتراتها ( $\theta$ ) مجمدة خلال مرحلة تدريب الترجمة اللاحقة.

ب. شبكة ترجمة الضجيج (NTN, $T$ )

هذه الشبكة هي شبكة خفيفة الوزن تعتمد على بنية U-Net، مصممة لتحويل صورة ضوضائية $I$ إلى صورة مترجمة $I_T$ يتبع فيها الضجيج توزيعاً غاوسياً. يتم تدريب الـ NTN باستخدام دالة خسارة مركبة:

خسارة ترجمة الضجيج الضمنية ( $L_{implicit}$ ):
- تقلل الفرق بين المخرج النهائي لمزيل الضجيج المجمد وصورة الأرضية (Ground-truth) النظيفة.
- الصيغة: $\| D(T(I; \phi); \theta^*) - I_{GT} \|_1$ .
- هذا يضمن أن الصورة المترجمة "قابلة لإزالة الضجيج" بواسطة النموذج الغاوسي المدرب مسبقاً.
خسارة ترجمة الضجيج الصريحة ( $L_{explicit}$ ):
- لضمان أن الضجيج المترجم يتبع بالفعل توزيعاً غاوسياً (وليس فقط أن المخرج يبدو نظيفاً)، يفرض المؤلفون قيوداً إحصائية باستخدام مسافة واسرتاين (Wasserstein Distance) أو (مسافة الأرض - Earth Mover's Distance).
- الخسارة المكانية ( $L_{spatial}$ ): تقوم بمحاذاة التوزيع لكل عنصر من عناصر الضجيج المترجم مع التوزيع الغاوسي.
- خسارة التردد ( $L_{freq}$ ): تقوم بمحاذاة مقدار معاملات فوريه (Fourier coefficients) للضجيج المترجم مع توزيع "رايلي" (Rayleigh distribution)، وهو التوزيع المتوقع لمقدار الضجيج في المجال الترددي. هذا يضمن أن الضجيج غير مرتبط مكانياً.
- إجمالي الخسارة الصريحة: $L_{spatial} + \beta \cdot L_{freq}$ .
كتل حقن الغاوسي (GIBlock):
- تتضمن بنية NTN كتل GIBlocks، والتي تقوم بحقن ضجيج غاوسي داخلياً في كتل (Nonlinear Activation-Free - NAF).
- يسمح هذا التصميم للشبكة بتعلم "المنطلق الغاوسي" (Gaussian prior) تدريجياً دون تشويه الإشارة المدخلة، مما يسهل ترجمة الضجيج الحقيقي المعقد إلى ضجيج غاوسي.

خط إنتاج الاستدلال (Inference Pipeline):
$\hat{I}_T = D(T(I; \phi); \theta)$
حيث $I$ هي الصورة الحقيقية الضوضائية، و $T$ تترجمها إلى $I_T$ (ضجيج غاوسي)، و $D$ يزيل الضجيج لإنتاج الصورة النظيفة.

3. المساهمات الرئيسية

إطار عمل مبتكر لترجمة الضجيج: تغيير جذري في النموذج من "إزالة ضجيج الواقع" إلى "ترجمة ضجيج الواقع إلى ضجيج غاوسي". وهذا يسمح باستخدام أي نموذج إزالة ضجيج غاوسي مدرب مسبقاً لإزالة الضجيج الحقيقي بمتانة.
دوال خسارة مدفوعة رياضياً: تقديم قيود صريحة (مسافة واسرتاين في المجالات المكانية والترددية) لإجبار الضجيج المترجم على أن يكون ضجيجاً غاوسياً (i.i.d.)، مما يعالج قيود التدريب الذي يعتمد على الضمنية فقط.
تصميم خفيف الوزن ومستقل عن النموذج: شبكة NTN صغيرة (0.29 مليون بارامتر) ويمكن دمجها بسلاسة مع مختلف مزيلات الضجيج المدربة مسبقاً (مثل NAFNet، XFormer، Restormer، KBNet) دون الحاجة لإعادة تدريب مزيل الضجيج.
تعميم فائق: أثبتت الطريقة أن NTN واحدة مدربة على مجموعة بيانات ضجيج حقيقي محدودة (SIDD) يمكنها التعميم بفعالية على مجموعات بيانات متنوعة وغير مرئية (OOD) مثل (Poly, CC, HighISO، وماركات هواتف مختلفة).

4. النتائج التجريبية

تقيم الورقة الطريقة على مجموعة بيانات SIDD (داخل التوزيع) وعدة معايير OOD (خارج التوزيع) مثل (Poly, CC, HighISO, iPhone, Huawei, OPPO, Sony, Xiaomi).

الأداء الكمي:
- يتفوق الأسلوب المقترح (NAFNet + NTN و XFormer + NTN) بشكل كبير على أحدث الأساليب (SOTA)، بما في ذلك الأساليب ذاتية الإشراف (R2R, AP-BSN) والأساليب القابلة للتعميم (Mask-Denoising, CLIP-Denoising).
- متوسط تحسن PSNR في حالات OOD: حقق تحسناً متوسطاً قدره ~1.5 dB مقارنة بالنماذج الأساسية المدربة على الضجيج الغاوسي، وتفوق على طرق التعميم الأخرى بفوارق كبيرة.
- على سبيل المثال، في مجموعة بيانات iPhone، حققت الطريقة 42.08 dB (مقابل 40.25 dB لنموذج NAFNet الأساسي)، وفي Huawei حققت 39.83 dB (مقابل 37.73 dB).
التحليل النوعي:
- تظهر النتائج البصرية مخرجات أكثر نظافة مع عيوب أقل (مثل عيوب "السحاب" أو "الزيبر" - zipper artifacts الشائعة في النماذج التي تعاني من الإفراط في التكيف) مقارنة بالتدريب المباشر على الضجيج الحقيقي.
- يبدو الضجيج المترجم بصرياً كضجيج غاوسي مثالي (غير مرتبط مكانياً)، بينما يظهر الضجيج الحقيقي ارتباطاً مكانياً قوياً.
الكفاءة والقابلية للنقل:
- تضيف NTN عبئاً حسابياً ضئيلاً جداً (1.07 G MACs مقابل أكثر من 16+ G لمزيلات الضجيج).
- القابلية للنقل (Transferability): يمكن لـ NTN واحدة مدربة باستخدام مزيل ضجيج واحد (مثل NAFNet) أن تُطبق على بنية مختلفة (مثل XFormer) مع انخفاض طفيف في الأداء، مما يثبت فصل عملية ترجمة الضجيج عن عملية إزالة الضجيج.

5. الأهمية

يعالج هذا العمل العقبة الحرجة المتمثلة في التعميم في استعادة الصور في العالم الحقيقي. من خلال إعادة صياغة المشكلة كمسألة ترجمة لتوزيع الضجيج، قام المؤلفون بـ:

فصل صعوبة نمذجة الضجيج الحقيقي المعقد عن مهمة إزالة الضجيج.
الاستفادة من نضج ومتانة مزيلات الضجيج الغاوسية للتطبيقات الواقعية.
تقليل الاعتماد على مجموعات بيانات ضخمة ومتنوعة من العالم الحقيقي، حيث يتطلب الأمر فقط مجموعة محدودة من أزواج (صورة ضوضائية-نظيفة) لتدريب المترجم.
تقديم حل عملي وسهل الاستخدام (Plug-and-play) يمكن دمجه في الأنظمة الحالية لتعزيز المتانة ضد ظروف الضجيج غير المرئية، مما يجعله مناسباً جداً للانتشار في الأجهزة الإلكترونية الاستهلاكية (مثل كاميرات الهواتف الذكية).