💻 computer science

The First Challenge on Mobile Real-World Image Super-Resolution at NTIRE 2026: Benchmark Results and Method Overview

تستعرض هذه الورقة نتائج ومنهجيات تحدي NTIRE 2026 لرفع دقة الصور في العالم الحقيقي على الأجهزة المحمولة، حيث تنافس 16 فريقاً لتطوير نماذج فعالة تستعيد الصور عالية الدقة من حالات التدهور غير المعروفة مع تحقيق التوازن بين جودة الصورة وسرعة التنفيذ على الأجهزة المحمولة.

المؤلفون الأصليون: Jiatong Li, Zheng Chen, Kai Liu, Jingkai Wang, Zihan Zhou, Xiaoyang Liu, Libo Zhu, Jue Gong, Radu Timofte, Yulun Zhang, Congyu Wang, Zihao Wang, Ke Wu, Xinzhe Zhu, Fengkai Zhang, Zhongbao Yang, Long S

نُشر 2026-04-21

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Jiatong Li, Zheng Chen, Kai Liu, Jingkai Wang, Zihan Zhou, Xiaoyang Liu, Libo Zhu, Jue Gong, Radu Timofte, Yulun Zhang, Congyu Wang, Zihao Wang, Ke Wu, Xinzhe Zhu, Fengkai Zhang, Zhongbao Yang, Long Sun, Jiangxin Dong, Jinshan Pan, Jiachen Tu, Yaokun Shi, Guoyi Xu, Yaoxin Jiang, Jiajia Liu, Renyuan Situ, Yixin Yang, Zhaorun Zhou, Junyang Chen, Yuqi Li, Chuanguang Yang, Weilun Feng, Chuanyue Yan, Yuedong Tan, Yingli Tian, Zhenzhong Chen, Tongqi Guo, Ruhan Liu, Sangzi Shi, Huazhang Deng, Jie Yang, Wenzhuo Ma, Yuantong Zhang, Daiqin Yang, Tianrun Chen, Deyi Ji, Yuxiao Jiang, Qi Zhu, Lanyun Zhu, Yuwen Pan, Runze Tian, Mingyu Shi, Zhanfeng Feng, Yuanfei Bao, Jiaming Guo, Renjing Pei, Xin Di, Long Peng, Linfeng Jiang, Xueyang Fu, Yang Cao, Zhengjun Zha, Choulhyouc Lee, Shyang-En Weng, Yi-Cheng Liao, Jorge Tyrakowski, Yu-Syuan Xu, Wei-Chen Chiu, Ching-Chun Huang, Yoonjin Im, Jihye Park, Hyungju Chun, Hyunhee Park, MinKyu Park, Xiaoxuan Yu, Jianxing Zhang, Yuxuan Jiang, Chengxi Zeng, Tianhao Peng, Fan Zhang, David Bull, Watchara Ruangsang, Supavadee Aramvith, JiaHao Deng, Wei Zhou, Hongyu Huang, Shaohui Lin, Zihan Wang, Yilin Chen, Yunchen Li, Junbo Qiao, Wei Li, Jiao Xie, Gaoqi He, Wenxi Li

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 ضبابية أو مشوشة (pixelated) على هاتفك — رب الله تكون صورة قديمة لعطلة عائلية أو لقطة شاشة من فيديو منخفض الجودة. تريد تكبيرها لرؤية التفاصيل بوضوح، ولكن عندما تفعل ذلك، تبدو مجرد كتلة مربعة مشوهة.

الدقة الفائقة للصور (Image Super-Resolution - SR) هي الخدعة السحرية التي تأخذ تلك الصورة الضبابية و"تخترع" التفاصيل المفقودة لتجعلها تبية حادة وعالية الدقة مرة أخرى.

ومع ذلك، هناك عقبة: القيام بهذا السحر عادة ما يتطلب حاسوباً خارقاً. الأمر يشبه محاولة خبز كعكة فاخرة باستخدام فرن صناعي ضخم. هاتفك هو مجرد محمصة خبز صغيرة تعمل بالبطارية؛ لا يمكنه تحمل كل تلك الحرارة أو التعقيد.

هذه الورقة البحثية هي "تقرير الدرجات" لتحدي NTIRE 2026، وهي مسابقة عالمية حاول فيها أذكى المهندسين في العالم حل هذه المشكلة تحديداً: كيف نجعل الصور الضبابية تبدو مذهلة على هاتف ذكي عادي دون استنزاف البطارية أو تجميد الهاتف؟

إليك تفصيل لما حدث، باستخدام بعض التشبيهات من الحياة اليومية:

1. الهدف: تحدي "الطاهي الصغير"

وضع المنظمون قاعدة صارمة للغاية: يجب أن يكون الحل سريعاً وخفيفاً بما يكفي ليعمل على هاتف محمول (تحديداً شريحة MediaTek).

الطريقة القديمة: كانت الأساليب السابقة تشبه محاولة وضع أوركسترا كاملة الحجم في مقعد دراجة هوائية. كانت كبيرة وبطيئة للغاية.
الهدف الجديد: ابتكار "طاهٍ صغير" يمكنه طهي وجبة من فئة 5 نجوم (صورة عالية الجودة) باستخدام موقد تخييم محمول فقط (هاتف محمول).

2. المتسابقون

شارك 108 فرق، لكن 16 فريقاً فقط وصلوا إلى لوحة المتصدرين النهائية. جاء هؤلاء من جامعات، وشركات تقنية كبرى (مثل سامسونج)، ومختبرات بحثية من جميع أنحاء العالم.

3. كيف فازوا: الاستراتيجيات الرائدة

توضح الورقة أن الفائزين لم يبتكروا رياضيات جديدة فحسب؛ بل استخدموا حِيلاً ذكية لجعل الأدوات الثقيلة تعمل على أجهزة خفيفة. إليك "الوصفات" الرئيسية التي استخدموها:

اختصار "الخطوة الواحدة" (نماذج الانتشار - Diffusion Models):
تخيل رساماً يستغرق عادةً 50 خطوة لإنهاء لوحة شخصية، حيث يضيف التفاصيل ببطء. هذا يستغرق وقتاً طويلاً جداً. استخدم الفائزون تقنية جديدة تسمى "الانتشار في خطوة واحدة" (One-Step Diffusion). إنها تشبه إعطاء الرسام "فرشاة سحرية" يمكنها إنهاء اللوحة بأكملة في ضربة واحدة مثالية. لقد استخدموا نماذج "عبقرية" مدربة مسبقاً (مثل Stable Diffusion) ولكنهم علموها كيفية تخطي الخطوات البطيئة والذهاب مباشرة إلى النتيجة.
خدعة "المعلم والتلميذ" (تقطير المعرفة - Knowledge Distillation):
استخدمت بعض الفرق نموذج ذكاء اصطناعي ضخماً وثقيلاً (المعلم) يعرف كل شيء عن الصور ولكنه كبير جداً بحيث لا يمكنه التواجد داخل الهاتف. ثم قاموا بتدريب نموذج صغير وخفيف الوزن (التلميذ) لنسخ إجابات "المعلم".
- التشبيه: الأمر يشبه أستاذ عبقري يكتب ورقة غش لطالب. الطالب لا يحتاج لمعرفة الكتاب بأكمله؛ يحتاج فقط إلى ورقة الغش للحصول على الإجابات الصحيحة بسرعة.
"السموذي المختلط" (الأساليب الهجينة):
أدركت بعض الفرق أن طريقة واحدة ليست مثالية.
- الطريقة (أ) (نماذج GANs): رائعة في الحفاظ على هيكل الصورة (الوجه يبدو كوجه) ولكن يمكن أن تبدو غير حقيقية أو بلاستيكية قليلاً.
- الطريقة (ب) (الانتشار - Diffusion): رائعة في إضافة الأنسجة الواقعية (مسام الجلد، خصلات الشعر) ولكنها أحياناً تخطئ في الهيكل.
- الحل: قاموا بخلط مخرجات الطريقتين معاً، مثل خلط "السموذي". ستحصل على الاستقرار الهيكلي من الطريقة (أ) والنسيج الواقعي من الطريقة (ب).
تلميع "الضبط الدقيق" (Fine-Tuning):
لم يقم الفائزون بتدريب نماذجهم على صور عامة فحسب؛ بل دربواهم خصيصاً للاهتمام بـ كيف يرى البشر. استخدموا "مقاييس إدراكية" (مثل متذوق رقمي) لضمان أن الصورة لا تبدو صحيحة رياضياً فحسب، بل تبدو جيدة للعين البشرية بالفعل.

4. النتائج

كانت المنافسة شرسة.

الفائز (VIPSL): استخدموا نموذجاً مدمجاً وركزوا بشدة على "ضبطه" ليتناسب مع معايير التقييم الخاصة بالحكام. لقد أثبتوا أنك لا تحتاج إلى نموذج ضخم للحصول على نتائج رائعة؛ أنت فقط بحاجة إلى الإعدادات الصحيحة.
الوصافة: أظهرت فرق مثل Antman و SamsungAICamera أنه يمكنك أخذ نماذج ذكاء اصطناٍ قوية وثقيلة وتقليص حجمها (باستخدام خدعة "المعلم والتلميذ") لتعمل بسلاسة على الهاتف.

5. لماذا يهمنا هذا؟

هذه التقنية ليست مجرد وسيلة لجعل الصور تبدو رائعة. هذا التكنولوجي هو المفتاح لمستقبل الحوسبة المحمولة.

التأثير في العالم الحقيقي: تخيل التقاط صورة في غرفة مظلمة، ويقوم هاتفك فوراً بتنظيف الضجيج وشحذ التفاصيل دون الحاجة إلى اتصال بالإنترنت.
الكفاءة: هذا يعني أنه يمكننا الحصول على ميزات ذكاء اصطناعي قوية على هواتفنا دون أن تنفد البطارية في ساعة واحدة.

الخلاصة

أثبت تحدي NTIRE 2026 أننا بدأنا أخيراً في فك شفرة الذكاء الاصطناعي للمحمول. نحن ننتقل من "الثقيل، البطيء، والقوي" نحو "الخفيف، السريع، والذكي". لقد أظهر لنا الفائزون أنه باستخدام الحيل الصحيحة (مثل اختصارات الخطوة الواحدة وتعلم المعلم والتلميذ)، يمكننا جلب تحسين الصور بجودة الحواسيب الخارقة مباشرة إلى جيوبنا.

ملخص تقني مفصل لورقة بحثية بعنوان: "التحدي الأول لرفع دقة الصور في العالم الحقيقي على الأجهزة المحمولة في NTIRE 2026: نتائج المعيار ونظرة عامة على المنهجية"

1. بيان المشكلة

تتناول الورقة البحثية الفجوة الحرجة بين الأداء العالي لرفع دقة الصور (SR) وبين قابلية النشر على الأجهزة المحمولة.

التحدي الجوهري: إعادة بناء الصور عالية الدقة (HR) من مدخلات منخفضة الدقة (LR) بمعامل تكبير قدره $\times4$ تحت ظروف تدهور غير معروفة في العالم الحقيقي (مثل ضوضاء المستشعر، عيوب الضغط، والضبابية غير المعروفة).
القيد: على عكس معايير رفع الدقة التقليدية التي تفترض عمليات خفض عينة بسيطة (Bicubic Downsampling)، يستهدف هذا التحدي الأجهزة المحمولة. يجب أن تكون النماذج خفيفة الوزن بما يكفي للعمل على أجهزة محدودة الموارد (تحديداً معالج MediaTek Dimensity 8400) مع قيود صارمة على عدد المعلمات (Parameters)، وعمليات الحوسبة (FLOPs)، وزمن الاستجابة (Inference Latency)، مع الحفاظ على جودة إدراكية عالية.
المقايضة: توفر النماذج التوليدية الحديثة (الانتشار - Diffusion، وشبكات GAN) واقعية إدراكية فائقة، لكنها غالباً ما تكون ثقيلة جداً للاستنتاج الفوري على الأجهزة المحمولة. يسعى التحدي لإيجاد حلول توازن بين الجودة الإدراكية والكفاءة الحسابية.

2. المنهجية وإطار التقييم

مجموعة البيانات (Dataset)

بيانات التدريب: مجموعتي DIV2K (800 صورة) وLSDIR (84,991 صورة). كان بإمكان المشاركين استخدام بيانات خارجية (مثل Flickr2K).
التدهور (Degradation): تم إنشاء أزواج (LR-HR) باستخدام عامل خفض عينة قدره $\times4$ مع مسارات تدهور معقدة وغير معروفة لمحاكاة ظروف العالم الحقيقي.
الاختبار: 100 صورة منخفضة الدقة من مجموعة التحقق الخاصة بـ DIV2K (مع إخفاء الحقيقة الأرضية HR) و100 صورة من LSDIR.

مقايسات التقييم

الدرجة النهائية هي مزيج مرجح من الجودة الإدراكية وسرعة الاستنتاج:

درجة الإدراك (Perceptual Score): مقياس مركب يعتمد على ست خوارزميات لتقييم جودة الصورة (IQA):
- المرجع الكامل (Full-reference): LPIPS، DISTS.
- بدون مرجع (No-reference): CLIP-IQA، MANIQA، MUSIQ، NIQE.
- الصيغة: $Score = (1-LPIPS) + (1-DISTS) + CLIP-IQA + MANIQA + \frac{MUSIQ}{100} + \max(0, \frac{10-NIQE}{10})$ .
نسبة التسريع (Speedup Ratio): تم قياسها على معالج MediaTek Dimensity 8400 (بدقة FP16).
- $Speedup = \frac{t_{OSEDiff}}{t_{current\_model}}$ ، حيث $OSEDiff$ هو النموذج المرجعي الأساسي.
الدرجة النهائية: $FinalScore = 2 \times Score \times Speedup^{0.2}$ .

3. المساهمات الرئيسية والتوجهات

تحلل الورقة 16 فريقاً مؤهلاً وتحدد خمسة توجهات تقنية مهيمنة ظهرت لحل مشكلة رفع الدقة للمحمول:

هيمنة نموذج الانتشار ذو الخطوة الواحدة (One-Step Diffusion):
- انتقلت الفرق بعيداً عن نماذج الانتشار متعددة الخطوات (البطيئة جداً) نحو أطر عمل الانتشار ذات الخطوة الواحدة (مثل OSEDiff، TADSR، PiSA-SR).
- تستفيد هذه النماذج من نماذج Stable Diffusion سابقة التدريب ولكنها تضغط عملية التوليد في خطوة استنتاج واحدة.
تقطير المعرفة والضغط (Knowledge Distillation & Compression):
- لتلبية قيود الأجهزة المحمولة، استخدمت الفرق استراتيجيات التقطير، عبر نقل المعرفة من نماذج "المعلم" الثقيلة إلى شبكات "طالب" خفيفة الوزن.
- شملت التقنيات ضغط الانتشار التنافسي، وتقليم (Pruning) شبكة UNet بشكل هجومي، وفك تشفير خفيف الوزن (مثل TAESD).
تحسين الفضاء الكامن والخطوات الزمنية (Latent Space & Timestep Optimization):
- لتثبيت الانتشار ذو الخطوة الواحدة، قدمت الفرق محاذاة الفضاء الكامن والخطوة الزمنية (LSA) وتقطير الدرجة الشرطية غير المتزامنة (ACSD).
- تعمل هذه الطرق على تثبيت المدخلات منخفضة الجودة داخل مجال الانتشار (Diffusion Manifold) بدقة أكبر، مما يقلل من الهلوسة والتشوهات الهيكلية.
البنى الهجينة (Hybrid Architectures):
- دمجت الفرق بين الاستقرار الهيكلي لشبكات GAN (مثل Real-ESRGAN) وثراء الأنسجة لنماذج الانتشار (Diffusion).
- استُخدمت أساليب التجميع (Ensemble methods) مثل الدمج الموزون لمخرجات GAN والانتشار لتعظيم المقاييس الإدراكية مع الحفاظ على المتانة.
مناهج تدريب واعية بجودة الصورة (IQA-Aware Training Curricula):
- تحول التدريب من خسارة مستوى البكسل (L1/L2) إلى الضبط الدقيق متعدد المراحل الموجه بالمقاييس الإدراكية.
- تضمنت المسارات غالباً: (1) التكيف الأساسي على بيانات اصطناعية، (2) ضبط LoRA الدلالي، (3) الصقل الموجه للدرجات باستخدام خسائر IQA قابلة للتفاضل (مثل MANIQA، MUSIQ، إلخ).

4. النتائج

المشاركة: 108 مسجل، مع تحقيق 16 فريقاً لدرجات صالحة.
أفضل الأداء:
- المركز الأول (VIPSL): استخدم بنية PLKSR-Rep مدمجة مع تحسين واعي بـ IQA وضبط دقيق متعدد المراحل.
- المركز الثاني (Antman): استخدم شبكة RRDBNet بسيطة (ESRGAN) ولكن مع تحسين دالة الهدف بتوجيه من الدرجة الإدراكية.
- المركز الثالث (SamsungAICamera): قام بتقطير معلم انتشار ذو خطوة واحدة (OSEDiff) إلى طالب مقلم مع وحدة تعزيز تفاصيل (DEM) ضحلة.
الأداء: حققت الفرق المتصدرة توازناً كبيراً، حيث حقق الفائز (VIPSL) درجة إدراكية بلغت 4.03 ونسبة تسريع قدرها 113.85x مقارنة بالنموذج المرجعي، مما أدى إلى درجة نهائية قدرها 42.21.

5. الأهمية

سد الفجوة: نجح هذا التحدي في إثبات أن الجودة الإدراكية المتطورة يمكن تحقيقها على أجهزة المحمول دون الاعتماد على نماذج ضخمة وغير عملية.
نموذج جديد: أرست الورقة الانتشار ذو الخطوة الواحدة مقترناً بـ تقطير المعرفة كمعيار جديد لرفع دقة الصور في العالم الحقيقي للمحمول، متجاوزةً شبكات CNN وGAN التقليدية.
النشر العملي: من خلال فرض قيود عتادية صارمة (MediaTek Dimensity 8400) واستخدام تدهور حقيقي، توفر النتائج معياراً واقعياً لنشر تحسين الصور المعتمد على الذكاء الاصطناي في الهواتف الذكية وأجهزة الحافة (Edge devices).
مورد للمجتمع: توفر الورقة نظرة شاملة على المنهجيات، الأكواد، والنماذج سابقة التدريب، مما يعزز المزيد من الأبحاث في الرؤية الحاسوبية الفعالة.

باختصار، أثبت تحدي NTIRE 2026 لرفع دقة الصور في العالم الحقيقي للمحمول أنه من خلال الضغط الهيكلي، والتقطير، والتدريب الواعي بالإدراك، يمكن تنفيذ استعادة الصور عالية الدقة بكفاءة على الأجهزة المحمولة.

1. الهدف: تحدي "الطاهي الصغير"

2. المتسابقون

3. كيف فازوا: الاستراتيجيات الرائدة

4. النتائج

5. لماذا يهمنا هذا؟

الخلاصة

ملخص تقني مفصل لورقة بحثية بعنوان: "التحدي الأول لرفع دقة الصور في العالم الحقيقي على الأجهزة المحمولة في NTIRE 2026: نتائج المعيار ونظرة عامة على المنهجية"

1. بيان المشكلة

2. المنهجية وإطار التقييم

مجموعة البيانات (Dataset)

مقايسات التقييم

3. المساهمات الرئيسية والتوجهات

4. النتائج

5. الأهمية

أبحاث مشابهة