🤖 AI

Perception-based Image Denoising via Generative Compression

تقترح هذه الورقة إطاراً توليدياً للضغط من أجل إزالة الضجيج من الصور، يستفيد من التمثيلات الكامنة المشفرة بالإنتروبيا وأجهزة فك التشفير المدفوعة بالإدراك (عبر نماذج WGAN الشرطية أو نماذج الانتشار) لتحقيق استعادة واقعية للملمس مع توفير ضمانات نظرية حول خطأ إعادة البناء واحتمالية فك التشفيد.

المؤلفون الأصليون: Nam Nguyen, Thinh Nguyen, Bella Bose

نُشر 2026-05-19

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Nam Nguyen, Thinh Nguyen, Bella Bose

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

تخيل أن لديك صورة فوتوغرافية رائعة وعالية الدقة لغابة، ولكن أحدهم ألقى فوقها دلواً من الثلج المليء بالضجيج (الستاتيك). هدفك هو تنظيف هذه الصورة.

الطريقة القديمة: "الإصلاح الضبابي"
لفترة طويلة، حاولت الحواسيب إصلاح هذا الأمر عن طريق متوسط حسابي للثلج ببساطة. فكر في الأمر كأنك تحاول تنعيم طريق وعر عبر تمرير أسطوانة ضخمة وثقيلة فوقه. تختفي النتوءات (الضجيج)، ولكن تختفي أيضاً التفاصيل المثيرة للاهتمام مثل ملمس لحاء الشجر أو الأوراق الفردية. النتيجة هي صورة نظيفة ولكنها "شديدة التنعيم"، تبدو كلوحة بلاستيكية بدلاً من كونها صورة حقيقية. هذا ما تسميه الورقة البحثية بالطرق "المدفوعة بالتشويه" (distortion-driven).

الفكرة الجديدة: "إعادة التخيل الذكية"
تقترح هذه الورقة نهجاً مختلفاً يسمى إزالة الضجيج القائم على الإدراك (Perception-Based Denoising). بدلاً من مجرد تنعيم الأشياء، يحاول الكمبيوتر "إعادة تخيل" كيف يجب أن تبدو الصورة النظيفة بناءً على ما يعرفه عن الصور الواقعية.

يستخدم المؤلفون خدعة ذكية تسمى الضغط التوليدي (Generative Compression). إليك التشبيه:

الضغط (الملخص): تخيل أن لديك غرفة فوضوية مليئة بالضجيج. بدلاً من محاولة تنظيف كل ذرة غبار، تلتقط لقطة ذهنية سريعة ومضغوطة لـ هيكل الغرفة (أين يوجد السرير، أين توجد النافذة). أنت ترمي التفاصيل الفوضوية (الضجيج) وتحتفظ فقط بـ "المخطط الأساسي" الضروري. في الورقة البحثية، يتم القيام بذلك بواسطة مشفر (Encoder) يحول الصورة المشوشة إلى رمز موجز وفعال (تمثيل كامن).
إعادة البناء (الفنان): الآن، تعطي هذا المخطط لفنان ماهر للغاية (المفكك/المنفذ - Decoder). الفنان لا يكتفي بمجرد نسخ المخطط؛ بل يستخدم معرفته بكيفية ظهور الغرف الحقيقية لملء التفاصيل المفقودة. هو يعلم أن النوافذ عادة ما تحتوي على زجاج، وأن الأسرة لها أغطية. إنه "يهلوس" (بطريقة جيدة) بالتفاصيل الدقيقة التي دمرها الضجيج، مما يجعل الصورة تبدو واقعية مرة أخرى.

فنانان مختلفان
تقدم الورقة نوعين محددين من "الفنانين" (الطرق) للقيال بهذه المهمة:

فنان الـ WGAN (الناقد الخصمي): تستخدم هذه الطريقة "لعبة لاعبَيْن". أحد اللاعبين (المولد - Generator) يحاول إنشاء صورة نظيفة من المخطط. اللاعب الآخر (المميز - Discriminator) يعمل كناقد فني صارم، يحاول اكتشاف ما إذا كانت الصورة مزيفة أم حقيقية. يلعبان هذه اللعبة مراراً وتكراراً حتى يصبح المولد بارعاً جداً لدرجة أن الناقد لا يستطيع التمييز بينهما. هذا يضمن أن الصورة النهائية تبدو واقعية للغاية، وليس فقط صحيحة من الناحية الرياضية.
فنان الانتشار (النحات خطوة بخطوة): هذه الطريقة تشبه النحات الذي يبدأ بكتلة من الطين المشوش ثم يقوم بنحت الضجيج بعيداً، خطوة بخطوة، مسترشداً بالمخطط. يبدأ من الفوضى المحضة ويقوم بتنقيحها تدريجياً لتصبح صورة واضحة، مما يضمن أن كل تفصيل صغير يتناسب تماماً مع الهيكل العام.

شبكة الأمان (الرياضيات)
لم يكتفِ المؤلفون ببناء هذه الأدوات فحسب؛ بل وضعوا أيضاً كتاب قواعد (براهين رياضية) لضمان عمل طريقتهم. لقد أثبتوا أنه إذا لم يكن الضجيج جنونياً للغاية، فإن نظام "المخطط والفنان" الخاص بهم سينتج دائماً نتيجة قريبة من الأصل، وقد حسبوا بالضبط مدى احتمالية ارتكابهم لخطأ ما.

النتائج
عندما اختبروا ذلك على صور حقيقية (مثل مشاهد الطبيعة) وحتى صور علمية معقدة (مثل صور المجهر للخلايا)، كانت النتائج مبهرة:

الطرق القديمة جعلت الصور تبدو ناعمة وضبابية.
طرقهم حافظت على الصور حادة ومليئة بالملمس، مما يجعلها تبدو أكثر شبهاً بما تتوقعه العين البشرية من رؤيته.

باخت-الكلمة، بدلاً من مجرد "تنظيف" الضجيج، تعلم هذه الورقة البحثية الكمبيوتر كيفية إعادة بناء الصورة، وملء الأجزاء المفقودة بتفاصيل واقعية، مما ينتج صوراً تبدو طبيعية وحيوية مرة أخرى.

ملخص تقني: إزالة الضجيج من الصور القائم على الإدراك عبر الضغط التوليدي

1. بيان المشكلة

تهدف عملية إزالة الضجيج من الصور إلى إزالة الضجيج مع الحفاظ على التفاصيل الهيكلية والواقعية الإدراكية. ومع ذلك، فإن الطرق التقليدية التي يتم تحسينها وفقًا لمقاييس التشوه لكل بكسل (مثل متوسط مربع الخطأ MSE أو نسبة إشارة الذروة إلى الضجيج PSNR) غالبًا ما تنتج إعادة بناء مفرطة في النعومة، لا سيما في ظل وجود ضجيج قوي أو تحولات في التوزيع. يحدث هذا لأن تقليل التشوه وحده غير كافٍ للجودة الإدراكية؛ حيث توضح نظرية المقايضة بين المعدل والتشوه والإدراك (RDP) أن تقليل التشوه دون مراعاة القيود الإدراكية يؤدي إلى فقدان الأنسجة الدقيقة وإحصائيات الصور الطبيعية.

تعاني طرق الاستعادة الإدراكية الموجودة، مثل شبكات WGAN الشرطية (Conditional Wasserstein GANs)، من عدم استقرار التدريب وعدم القدرة الكافية على التقاط تنوع الصور الطبيعية. وفي المقابل، توفر نماذج الانتشار (Diffusion Models) تدريبًا مستقرًا وتغطية قوية للأنماط، لكنها تتطلب التكامل مع مبادئ الضغط للتعامل بفعالية مع الطبيعة المهيكلة للإشارات (الضجيج مقابل الإشارات الطبيعية).

2. المنهجية

يقترح البحث إطار عمل للضغط التوليدي حيث يتم تحقيق إزالة الضجيج من خلال إعادة بناء الصور من تمثيلات كامنة مشفرة تعريفيًا. الفرضية الأساسية هي أن الإشارات الطبيعية تظهر تعقيدًا منخفضًا، بينما الضجيج غير مهيكل. ومن خلال تشغيل ضاغط عند مستوى تشوه يتوافق مع قوة الضجيج، يتم كبح الضجيج عالي التعقيد مع الحفاظ على المحتوى المهيكل.

يقدم المؤلفون نموذجين متكاملين لهذا الإطار:

2.1. مزيل الضجيج بالضغط القائم على WGAN الشرطي (CGanDeCompress)

يدمج هذا النهج الضغط الخاسر المتعلم مع التدريب التنافسي الشرطي.

البنية: يقوم مشفر ( $E$ ) برسم خريطة للمدخل المشوش $y$ إلى تمثيل كامن مكمّم $z$ . ويقوم فك التشفير ( $G$ ) بإعادة بناء الصورة المنزوعة الضجيج $\hat{x}$ من $z$ .
التحكم في المعدل: يتم تشفير $z$ تعريفيًا باستخدام نموذج احتمالي متعلم $P$ ، مما ينتج معدلًا $r(z) = -\log P(z)$ .
هدف التدريب: يقلل النظام دالة خسارة مشتركة:
$L_{EGP} = \mathbb{E}_y[\lambda r(z) + d(x, \hat{x}) - \beta \log D(\hat{x}, z)]$
حيث تجمع $d(x, \hat{x})$ بين MSE وخسارة تشابه رقع الصور الإدراكية المتعلمة (LPIPS). يعمل مميز WGAN شرطي $D$ على التمييز بين الصور المعاد بناؤها والصور النظيفة مشروطة بـ $z$ ، مما يعزز الواقعية الإدراكية.
التحكم: تتحكم المعلمات $\lambda$ و $\beta$ صراحة في مقايضة المعدل والتشوه والإدراك (RDP).

2.2. إعادة البناء القائم على الانتشار الشرطي (DiffDeCompress)

يعتمد هذا النهج على نماذج الانتشار كأدوات معرفية (Generative Priors) موجهة بواسطة التمثيلات الكامنة المضغوطة.

البنية: يقوم مشفر عشوائي برسم خريطة لـ $y$ إلى كامن مدمج $z$ . ويقوم فك التشفير بنمذجة التوزيع الشرطي $p(x_0|z)$ عبر عملية انتشار عكسية.
العملية: تتم عملية الانتشار العكسية مشروطة بـ $z$ ، مما يوجه مسار إزالة الضجيج نحو إعادة بناء متسقة دلاليًا، بينما تسمح المتغيرات الكامنة المتوسطة بتخليق التفاصيل دقيقة النطاق.
هدف التدريب: يحسن النموذج حدًا علويًا تباينيًا للاحتمالية السالبة اللوغاريتمية للانتشار، مع تعزيزه بخسارة LPIPS صريحة:
$L = \rho L_p + (1-\rho)L_c$
حيث $L_p$ هي خسارة LPIPS و $L_c$ تتضمن قيد المعدل وخسارة إعادة بناء الانتشار.

3. المساهمات النظرية

يضع البحث ضمانات غير تقاربية لإزالة الضجيح القائمة على الضغط باستخدام أقصى احتمالية (ML) تحت ضجيج أبيض غاوسي مضاف (AWGN).

حدود خطأ إعادة البناء: اشتق المؤلفون حدودًا عليا لخطأ إعادة البناء $\|x - \hat{x}\|$ بدلالة معدل الضغط $R$ ، والتشوه $D(P)$ ، ومستوى الإدراك $P$ . يشير الحد إلى أنه مع احتمال عالٍ، يكون الخطأ قريبًا من حد التشوه-الإدراك النظري $D(P)$ .
احتمالية خطأ فك التشفير: يقدم البحث حدًا على احتمال اختيار فك التشفير (ML denoiser) لكلمة رمزية (Codeword) خاطئة، مما يوضح أن هذا الاحتمال يتناقص أسيًا مع معدل الضغط $R$ .
الارتباط بنظرية RDP: يربط الإطار النظري صراحةً أداء إزالة الضجيج بنظرية RDP، مما يثبت أن الطرق المقترحة تعمل ضمن الحدود النظرية لمقايضات التشوه والإدراك.

4. النتائج التجريبية

تم تقييم الطرق على ضجيج غاوسي اصطناعي (مجموعات بيانات KODAK و DIV2K) وضجيج حقيقي (مجموعة بيانات الفلورة المجهرية ومجموعة بيانات إزالة ضجيج صور الهواتف الذكية - SIDD).

الضجيج الاصطناعي:
- الجودة الإدراكية: تفوقت كلا الطريقتين المقترحتين باستمرار على النماذج المرجعية الكلاسيكية (BM3D) والمتعلمة (N2C, N2N, Deep Decoder) في المقاييس الإدراكية (FID, LPIPS, PI).
- مقايضة التشوه: بينما حققت الطرق الخاضعة للإشراف مثل N2C قيمًا أعلى في PSNR/SSIM، إلا أنها أظهرت قيمًا أعلى بكثير في FID و LPIPS، مما يشير إلى مخرجات مفرطة في النعومة. حافظت الطرق المقترحة على أداء تنافسي في التشوه مع تحقيق واقعية إدراكية فائقة.
- تفاصيل محددة: عند $\sigma=15$ ، حقق CGanDeCompress أدنى قيم لـ FID و LPIPS. وعند مستويات ضجيج أعلى ( $\sigma=50$ )، حقق DiffDeCompress أفضل جودة إدراكية (أدنى PI) على KODAK، بينما تفوق CGanDeCompress في التشابه التوزيعي (FID) على DIV2K.
الضجيج الحقيقي:
- في مجموعتي بيانات FMD و SIDD، أظهر CGanDeCompress متانة تجاه التحولات في النطاق والضجيج المعقد في العالم الحقيقي.
- FMD: تحسن LPIPS من 0.439 (مشوش) إلى 0.035، مع زيادة PSNR من 28.45 ديسيبل إلى 36.71 ديسيبل.
- SIDD: انخفض LPIPS من 0.646 إلى 0.093، وزاد PSNR من 26.35 ديسيبل إلى 32.70 ديسيبل، مع مكاسب كبيرة في التشابه الهيكلي (SSIM).

5. الأهمية والادعاءات

يدعي البحث أن إطار الضغط التوليدي المقترح ينجح في سد الفجوة بين إزالة الضجيج المدفوعة بالتشوه والموجهة بالإدراك. من خلال تفسير إزالة الضجيج كإسقاط على فئة إشارة منخفضة التعقيد ناتجة عن برنامج ترميز خاسر، تحقق الطريقة ما يلي:

التحكم الصريح: القدرة على إدارة مقايضة RDP صراحةً من خلال نماذج ضغط متعلمة.
الدقة الإدراكية: توليد أنسجة وتفاصيل دقيقة واقعية غالبًا ما تُفقد في الطرق التي يتم تحسينها وفقًا لـ MSE.
التأسيس النظري: وضع حدود غير تقاربية تربط معدل الضغط بخطأ إزالة الضجيج، مما يؤكد صحة النهج من خلال مبادئ نظرية المعلومات.
المتانة: الأداء المتسق عبر الاختبارات المعيارية الاصطناعية وسيناريوهات العالم الحقيقي الصعبة التي تتضمن تحولات في النطاق وتوزيعات ضجيج معقدة.

يخلص المؤلفون إلى أن الضغط التوليدي يقدم نموذجًا قويًا لإزالة الضجيج من الصور القائم على الإدراك، محققًا دقة إدراكية محسنة دون التضحية بالأداء التنافسي للتشوه.