💻 computer science

Diffusion-Based Low-Light Image Enhancement with Color and Luminance Priors

تقترح هذه الورقة إطار عمل انتشار شرطي مبتكر لتحسين الصور ذات الإضاءة المنخفضة يستخدم وحدة تضمين تحكم هيكلي (SCEM) لتفكيك الصور المدخلة إلى أوليات فيزيائية، مما يحقق أداءً هو الأفضل حالياً وقدرة قوية على التعميم عبر معايير قياسية متعددة دون الحاجة إلى ضبط دقيق.

المؤلفون الأصليون: Xuanshuo Fu, Lei Kang, Javier Vazquez-Corral

نُشر 2026-03-03

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Xuanshuo Fu, Lei Kang, Javier Vazquez-Corral

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 أنك التقطت صورة في كهف مظلم أو في الليل دون استخدام فلاش. النتيجة عادة ما تكون فوضوية: الصورة مظلمة جداً لدرجة تمنع رؤية التفاصيل، والألوان تبدو غريبة (ربما يبدو كل شيء مائلاً للأخضر أو الأرجواني)، وهناك الكثير من "الحبيبات" أو الضجيج الرقمي (Static Noise).

تقدم هذه الورقة البحثية أداة ذكاء اصطناعي جديدة وفائقة الذكاء مصممة لإصلاح هذه الصور السيئة. فكر فيها كـ مُرمم صور رقمي لا يكتفي بمجرد التخمين لما يجب أن تبدو عليه الصورة، بل يفهم فعلياً كيف يعمل الضوء.

إليك تفصيل لكيفية عملها، باستخدام تشبيهات بسيطة:

1. المشكلة: نهج "الصندوق الأسود"

حاولت طرق الذكاء الاصطناعي القديمة إصلاح الصور المظلمة عبر النظر إلى الصورة ككل والتخمين: "حسناً، أعتقد أن هذا الجزء يجب أن يكون أكثر سطوعاً". وأحياناً كانت تخمن بشكل خاطئ، مما يجعل الأشياء تبدو مزيفة، أو يبهت الألوان، أو يخلق هالات غريبة حول الأجسام. كان الأمر يشبه محاولة رسم لوحة فنية رائعة وأنت معصوب العينين.

2. الحل: "التحكم الهيكلي" (SCEM)

قام المؤلفون ببناء نظام جديد يسمى SCEM (وحدة تضمين التحكم الهيكلي). وبدلاً من ترك الذكاء الاصطناعي يخمن بعشوائية، فإنهم يزودونه بـ كتيب تعليمات مكون من أربعة أجزاء قبل أن يبدأ عمله.

تخيل الصورة المظلمة كنهر طيني عكر؛ الذكما الاصطناعي هنا هو فريق تنظيف. وبدلاً من مجرد صب الماء، يستخدم الفريق أربع أدوات محددة لفهم النهر:

الأداة 1: خريطة الإضاءة (خطة الإضاءة)
- ما هي: خريطة توضح بالضبط أين يكون الضوء ضعيفاً وأين يكون قوياً.
- التشبيه: تخيل كشافاً يسلط ضوءه على جدار. هذه الأداة تخبر الذكاء الاصطناعي بالضبط أين يوجه الكشاف الضوء، ليعرف أي أجزاء من الجدار تحتاج إلى تفتيح وأي أجزاء يجب أن تظل في الظل. هذا يمنع الذكاء الاصطناعي من جعل الصورة بأكملة تبدو وكأنها في وضح النهار تحت شمس ساطعة.
الأداة 2: خريطة "الشكل" (الميزات المستقلة عن الإضاءة)
- ما هي: نسخة من الصورة حيث تمت إزالة السطوع، تاركةً فقط الأشكال والقوام (Textures).
- التشبيه: تخيل النظر إلى تمثال في غرفة مظلمة. لا يمكنك رؤية لونه، لكن يمكنك الشعور بالمنحنيات والحواف إذا لمسته. تساعد هذه الأداة الذكاء الاصطناعي على تذكر شكل الجسم حتى لا يقوم بالخطأ بتنعيم تجاعيد القميص أو أوراق الشجر أثناء محاولته تفتيح الصورة.
الأداة 3: خريطة "الظل" (أولويات الظل)
- ما هي: دليل يحدد بدقة الظلال العميقة والزوايا المظلمة.
- التشبيه: فكر في مسرحية. بعض الممثلين تحت الأضواء، والبعض الآخر في الظلام. هذه الأداة تخبر الذكاء الاصطناعي: "مهلاً، هذه المنطقة المظلمة هي ظل حقيقي وليست خطأً". وهي تضمن عدم محاولة الذكاء الاصطناعي تحويل الظل الطبيعي إلى بقعة مضيئة، مما سيجعل الصورة تبدو مزيفة.
الأداة 4: خريطة "اللون" (الإشارات المستقلة عن اللون)
- ما هي: دليل يثبت الألوان الحقيقية للأجسام، بغض النظر عن مدى عتمة الضوء.
- التشبيه: إذا نظرت إلى تفاحة حمراء في الظلام، قد تبدو بنية اللون. هذه الأداة تخبر الذكاء الاصطناعي: "لا، هذه تفاحة حمراء. حتى لو بدت بنية الآن، حافظ على لونها الأحمر". هذا يمنع الذكاء الاصطناعي من تحويل قميص أزرق إلى أخضر لمجرد أن الإضاءة كانت غريبة.

3. المحرك: نموذج "الانتشار" (Diffusion Model)

بمجرد حصول الذكاء الاصطناعي على هذه الخرائط الأربع، فإنه يستخدم نموذج الانتشار.

التشبيه: تخيل نحاتاً يعمل على كتلة من الرخام مغطاة بضباب كثيف (ضجيج).
- الطريقة القديمة: يحاول النحات إزالة الضباب بسرعة، وغالباً ما ينتهي به الأمر بكسر التمثال.
- طريقة الانتشار: يقوم النحات بإزالة الضباب ببطء، خطوة بخفظ خطوة. ولأن لديه الخرائط الأربع (كتيب التعليمات)، فهو يعرف تماماً كيف ينحت الأنف، والعيون، والملابس دون ارتكاب أخطاء. إنه يقوم بـ "إزالة الضجيج" (Denoising) من الصورة تدريجياً حتى تصبح واضحة تماماً.

4. النتيجة: لماذا هي مميزة؟

الجزء الأكثر إثارة للإعجاب في هذه الورقة هو أن الذكاء الاصطناعي تم تدريبه فقط على مجموعة بيانات محددة (مجموعة من 500 صورة مظلمة). عادةً، إذا دربت سيارة على القيادة في مدينة نيويورك فقط، فسوف تصطدم في لندن.

لكن هذا الذكاء الاصطناعي؟ لقد تعلم مبادئ الضوء والظل بشكل جيد لدرجة أنه عندما اختبروه على صور مظلمة مختلفة تماماً (من كاميرات مختلفة، وبلدان مختلفة، وظروف إضاءة مختلفة)، عمل بشكل مثالي دون الحاجة إلى أي تدريب إضافي.

باختصار:
تعلمت هذه الورقة البحثية كيفية تعليم الذكاء الاصطناعي إصلاح الصور المظلمة ليس عن طريق التخمين، بل عن طريق تفكيك الصورة أولاً إلى أجزائها المكونة من "الضوء"، و"الشكل"، و"الظل"، و"اللون". الأمر يشبه إعطاء الذكاء الاصطناعي نظارات أشعة سينية ودليلاً للألوان قبل أن يبدأ في الرسم، مما ينتج صوراً تبدو مشرقة، وطبيعية، وحادة، حتى لو كانت الأصلية شديدة السواد.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "التحسين القائم على الانتشار للصور منخفضة الإضاءة باستخدام الأولويات اللونية والسطوع" (Diffusion-Based Low-Light Image Enhancement with Color and Luminance Priors) للباحثين شوانشو فو، ولي كانغ، وخافيير فاسكيز-كورال.

1. بيان المشكلة

يهدف تحسين الصور منخفضة الإضاءة (LLIE) إلى استعادة صور نظيفة وواقعية إدراكياً من مدخلات تعاني من نقص شديد في التعرض للضوء وضجيج عالٍ. تواجه الطرق الحالية تحديات كبيرة:

الطرق الكلاسيكية: التقنيات مثل موازنة المدرج التكراري أو التحلل القائم على نموذج ريتيكس (Retinex) غالباً ما تضخم الضجيج، أو تخلق سطوعاً غير طبيعي، أو تسبب هالات ضوئية، أو تعاني من انزياحات لونية بسبب المعلمات الجامدة.
طرق التعلم العميق: غالباً ما تتعامل الشبكات العصبية الالتفافية (CNNs) وشبكات الخصومة التوليدية (GANs) مع عملية التحسين كعملية "صندوق أسود" للترجمة، مما يؤدي إلى فرط التخصيص (overfitting)، وتوليد ألوان مهلوسة، والافتقار إلى الأساس الفيزيائي لنماذج تكوين الصور.
نماذج الانتشار (Diffusion Models): رغم توفيرها استقراراً توليدياً فائقاً، إلا أن نماذج الانتشار الشرطية التقليدية المطبقة على تحسين الصور منخفضة الإضاءة تفتقر غالباً إلى التحكم الصريح في اتساق الإضاءة ودقة الألوان، مما يؤدي إلى نتائج دون المستوى من حيث المعقولية الفيزيائية.

المشكلة الجوهرية هي تحقيق تحسين هيكلي يوازن بين السطوع، ويحافظ على النسيج/الهيكل، ويحافظ على دقة الألوان دون الاعتماد على ضبط واسع النطاق خاص بمجموعات بيانات محددة.

2. المنهجية

يقترح المؤلفون إطار عمل جديد للانتشار الشرطي يتمحور حول وحدة تضمين التحكم الهيكلي (SCEM). تدمج هذه البنية الأولويات الفيزيائية مباشرة في عملية إزالة الضجيج لنموذج انتشار يعتمد على شبكة U-Net.

أ. وحدة تضمين التحكم الهيكلي (SCEM)

تقوم وحدة SCEM بتحليل صورة الإدخال منخفضة الإضاءة ( $I$ ) إلى أربعة مكونات معلوماتية ذات دوافع فيزيائية تعمل كإشارات تحكم (شروط) لنموذج الانتشار:

الإضاءة ( $T_{ref}$ ): تُحسب عبر أولوية هيكلية متباينة الخواص وتحسين منظم لـ "لابلاس" (Laplacian-regularized optimization). تبدأ باستجابة قناة الحد الأقصى، ثم تُنقى باستخدام أوزان مدركة للنسيج وتنظيم في نطاق التردد، وتطبق تحويل "جاما" لموازنة التعرض.
الميزات المستقلة عن الإضاءة ( $R_c$ ): تُستمد عن طريق قسمة الصورة الأصلية على خريطة الإضاءة المنقحة ( $R_c = I / T_{ref}$ )، مما يقرب الانعكاس الجوهري للحفاظ على التفاصيل الهيكلية.
أولويات الظلال ( $S_{3ch}$ ): تُستخرج باستخدام استراتيجية في نطاق التردد تتضمن مؤثر "لابلاس" المنفصل. يقوم هذا بفصل المكونات الهيكلية الناعمة عن المتبقيات لحماية النسيج في الانتقالات بين الظلام والسطوع.
الإشارات المستقلة عن اللون ( $\Phi(x)$ ): رسم خرائط ثابتة عبر القنوات (channel-wise affine-invariant mapping) تقوم بتطبيع شدة البكسل بواسطة معيار $\ell_\infty$ لكل قناة. يضمن ذلك أن يكون النموذج مستقلاً عن تغيير مقياس الشدة العالمي، مما يعزز استقرار العلاقات اللونية.

يتم دمج هذه الخرط الأربع، جنباً إلى جنب مع الصورة الأصلية منخفضة الإضاءة، مع المدخلات المشوشة ( $X_t$ ) في كل خطوة إزالة ضجيج داخل شبكة U-Net.

ب. إطار الانتشار ودوال الخسارة

البنية: تعتمد على هيكل U-Net مدرب للتنبؤ بالضجيج ( $\epsilon$ ) المضاف إلى الصورة.
هدف التدريب: يستخدم خسارة تنبؤ ضجيج مبسطة ( $L_{simple}$ $L_{s im pl e}$ ) مدمجة مع خسائر مساعدة لفرض القيود الفيزيائية:
- خسارة محاذاة الإضاءة ( $L_{illum}$ ): تضمن اتساق السطوع العالمي مع الحقيقة الأرضية (ground truth).
  تعداد الألوان ( $L_{chrom}$ ): تقلل الفروقات الزاوية في مساحة RGB لمنع تشوه الألوان.
- خسارة التشابه الهيكلي ( $L_{SSIM}$ ): تحافظ على النسيج والهيكل المحلي.
- خسارة اتساق الميزات العميقة ( $L_{feat}$ ): توائم التفاصيل الدلالية عالية المستوى باستخدام ميزات VGG.

3. المساهمات الرئيسية

وحدة SCEM: واجهة مبتكرة تدمج أولويات الإضاءة، والانعكاس، والظلال، والألوان متعددة القنوات مباشرة في بنية الانتشار، مما يوفر توجيهاً دقيقاً ومدركاً للمكان أثناء إزالة الضوضاء.
التحلل المستند إلى ريتيكس (Retinex-Informed Decomposition): يعمل على تشغيل استراتيجية تحليل تجمع بين استخراج الظلال وثبات الألوان، مما يسمح بزيادة السطوع التكيفية مع الحفاظ الصارم على النسيج والدقة اللونية.
تعميم قوي: تم تدريب النموذج حصرياً على مجموعة بيانات LOLv1 ومع ذلك حقق أداءً رائداً (SOTA) على اختبارات غير مرئية (LOLv2-real, LSRW, DICM, MEF, LIME) دون الحاجة لضبط دقيق (fine-tuning).

4. النتائج التجريبية

تم تقييم الطريقة على مجموعات بيانات تعتمد على المراجع (مع حقيقة أرضية) ومجموعات بيانات لا تعتمد على المراجع.

الأداء الكمي (مجموعات البيانات المرجعية):
- LOLv1: حققت PSNR قدره 26.947 و SSIM قدره 0.921، متفوقة على الطرق السابقة الرائدة مثل DiffLL (26.336/0.845) و SNRNet. كما سجلت رقماً قياسياً جديداً في الجودة الإدراكية بـ LPIPS قدره 0.071.
- LOLv2-real: أظهرت تعميماً استثنائياً بـ PSNR قدره 31.223 و SSIM قدره 0.926، متفوقة بشكل كبير على DiffLL.
- LSRW: حافظت على أفضل PSNR (20.692) و LPIPS (0.198) بين المنافسين.
الأداء الكمي (مجموعات البيانات غير المرجعية):
- في مجموعات DICM و MEF و LIME، حققت الطريقة أفضل أو ثاني أفضل النتائج عبر مقايات NIQE و BRISQUE و PI، مما يشير إلى جودة إدراكية وطبيعية فائقة.
دراسة الاستئصال (Ablation Study):
- أدى إزالة وحدة SCEM إلى انخفاض كبير في الأداء (انخفض PSNR من 26.947 إلى 22.220).
- من بين المكونات، حققت أولويات الظلال أعلى PSNR نهائي، بينما كانت الميزات المستقلة عن الإضاءة الأكثر فعالية في تسريع التقارب والحفاظ على الدقة الهيكلية.

5. الأهمية

يقلص هذا العمل الفجوة بين نماذج تكوين الصور الفيزيائية (نظرية ريتيكس، وتحلل الإضاءة) والذكاء الاصطناذ التوليدي (نماذج الانتشار). من خلال حقن الأولويات الفيزيائية صراحة في عملية الانتشار، يتغلب المؤلفون على قيود "الصندوق الأسود" التي تعيب طرق التعلم العميق القياسية. والنتيجة هي طريقة تحسين صور منخفضة الإضاءة قوية للغاية وقابلة للتعميم، تنتج تفاصيل أكثر حدة، وألواناً أكثر طبيعية، وآثاراً جانبية أقل مقارنة بالتقنيات الرائدة الحالية، وكل ذلك مع اشتراط التدريب على مجموعة بيانات واحدة. يشير هذا إلى اتجاه واعد لمهام الرؤية المستقبلية حيث يمكن للقيود الفيزيائية توجيه النماذج التوليدية نحو مخرجات أكثر موثوقية وقابلية للتفسير.