Low Light Image Enhancement Challenge at NTIRE 2026
تستعرض هذه الورقة تحدي NTIRE 2026 لتحسين الصور في ظروف الإضاءة المنخفضة، حيث تفصل مشاركة 22 فريقاً، والحلول المقترحة، والنتائج النهائية لإظهار التقدم الكبير في أحدث التقنيات في مجال استعادة الصور منخفضة التباين والمشوبة بالضجيج.
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 جميلة التقطتها في حفلة موسيقية أو حول نار مخيم. ولكن عندما تنظر إليها على هاتفك، تجدها سوداء تمامًا، مليئة بالتحبب (الضجيج)، وبالكاد تستطيع رؤية أي شيء. تتمنى لو كان بإمكانك تشغيل كشاف ضوئي لرؤية التفاصيل، لكن لا يمكنك العودة بالزمن إلى الوراء.
هذه الورقة البحثية تتحدث عن مسابقة عالمية ضخمة تسمى NTIRE 2026، حيث حاول علماء الكمبيوتر وباحثو الذكاء الاصطناعي حل هذه المشكلة تحديدًا. لقد صنعوا "عصي سحرية رقمية" (نماذج ذكاء اصطناعي) يمكنها أخذ صورة سيئة، مظلمة، ومليئة بالضجيج، وتحويلها إلى صورة مشرقة، واضحة، وجميلة.
إليك قصة المسابقة، مقسمة ببساطة:
1. المشكلة: تحدي "الغرفة المظلمة"
لفترة طويلة، تم تدريب الذكاء الاصطناعي في "فصل دراسي مثالي". قدم الباحثون للذكاء الاصطناعي صورًا تم التقاطها في استوديوهات محكومة ذات إضاءة مثالية. تعلم الذكاء الاصطناعي كيفية إصلاح الصور المظلمة، ولكن فقط تلك التي تشبه صور الاستوديو.
عندما حاولوا استخدام هذا الذكاء الاصطناعي على صور من العالم الحقيقي (مثل شارع مظلم في الليل أو مطبخ خافت الإضاءة)، فشل فشلًا ذريعًا. كان الأمر يشبه تعليم طالب القيادة في موقف سيارات فارغ فقط، ثم إلقائه فجأة في وسط زحام مروري شديد.
الحل: أنشأ المنظمون مجموعة بيانات جديدة تسمى LSD (مجموعة بيانات الهواتف الذكية للإضاءة المنخفضة). لقد التقطوا آلاف الصور في العالم الحقيقي، في الظلام، باستخدام كاميرات هواتف ذكية حقيقية. كان هذا هو اختبار "الزحام المروري".
2. المساران: الغرفة "النظيفة" مقابل الغرفة "الفوضوية"
كانت المسابقة تحتوي على مستويين مختلفين من الصعوبة، مثل أوضاع ألعاب الفيديو المختلفة:
- المسار 1 (الغرفة "النظيفة"): تم إعطاء المشاركين صورًا تم تنظيفها بالفعل من "التحبب" (الضجيج). كانت مهمتهم هي جعل الصورة أكثر سطوعًا وجعل الألوان تبرز. فكر في الأمر كأنك تنظف نافذة متسخة؛ الزجاج صافٍ بالفعل، أنت فقط تحتاج لمسحه.
- المسار 2 (الغرفة "الفوضوية"): كان هذا هو المستوى الصعب. حصل المشاركون على صور كانت مظلمة ومليئة بالتحبب في آن واحد. كان عليهم إصلاح الظلام وإزالة الضجيج في نفس الوقت دون جعل الصورة تبدو مزيفة أو ضبابية. هذا يشبه محاولة تنظيف نافذة بينما تمطر السماء وهي مغطاة بالطين.
3. المتسابقون: "الميكانيكيون الرقميون"
شارك 195 فريقًا من جميع أنحاء العالم. كانوا مثل ورشة مليئة بالميكانيكيين، كل منهم يمتلك أداة مختلفة لإصلاح السيارة. إليكم بعضًا من أكثر الأدوات إبداعًا التي استخدموها:
- نهج "كعكة الطبقات" (KLETech-CEVI): بدلًا من محاولة إصلاح الصورة بأكملها دفعة واحدة، قاموا بتقسيم الصورة إلى طبقات (مثل الكعكة). قاموا بإصلاح الطبقة السفلية (الأشكال الكبيرة) والطبقة العلوية (التفاصيل الصغيرة) بشكل منفصل، ثم ركبوها فوق بعضها البعض.
- نهج "الموجة" (BAU-Vision): عاملوا الصورة كموجة صوتية. استخدموا الرياضيات لفصل "النغمات المنخفضة" (السطوع العام) عن "النغمات العالية" (الحواف الحادة والقوام) وأصلحوا كل منها بشكل مختلف.
- نهج "العمل الجماعي" (ReagvisLabs): لم يثقوا في ذكاء اصطناعي واحد فقط. قاموا ببناء اثنين من نماذج الذكاء الاصطناعي المختلفة، وتركوا كل منهما يعمل على الصورة بشكل منفصل، ثم جعلوا نموذج ذكاء اصطناعي "مدير" يقرر أي أجزاء من الصورة تبدو الأفضل من كل منهما ويقوم بدمجهما.
- "المسافر عبر الزمن" (AAIR ARM): استخدموا ذكاءً اصطناعيًا متطورًا جدًا يتعلم من خلال تخيل الصورة في "حالة حلم" (المجال الكامن). يقوم النموذج ببطء بتحويل الحلم المظلم والضبابي إلى واقع حاد ومشرق، خطوة بخطوة.
- "المتعلم التدريجي" (YuFans): أدركوا أن الذكاء الاصطناعي يصاب بالارتباك لأن صور الاختبار كانت مظلمة للغاية. لذا، علموا الذكاء الاصطناي أن يبدأ بصور مظلمة قليلاً، ثم تدرجيًا مع مرور الوقت، يظهر له صورًا أكثر ظلمة وأكثر قتامة، لتدريبه على التعامل مع الظلام الشديد.
4. النتائج: من الفائز؟
لم يكتفِ الحكام بالنظر إلى الصور فحسب؛ بل استخدموا مزيجًا من القياسات الحاسوبية (مدى قرب البكسلات من الأصل) والحكام البشريين (أي صورة تبدو أكثر طبيعية لأعيننا).
- الفائز بالمسار 1: SYSU-FVL. فازوا باستخدام نموذجين مختلفين من الذكاء الاصطناعي ودمج نتائجهم معًا، مثل خلط لونين مثاليين للحصول على اللون المثالي.
- الفائز بالمسار 2: BAU-Vision. فازوا بالمستوى الصعب باستخدام نهج "الموجة" للحفاظ على حدة التفاصيل أثناء إزالة الضجيج.
5. لماذا يهم هذا الأمر؟
قد تقول: "ما الفائدة؟ يمكنني ببساطة استخدام الوضع الليلي في هاتفي".
لكن هذه التكنولوجيا مخصصة لما هو أكثر بكثير من مجرد صور السيلفي:
- السيارات ذاتية القيادة: هي بحاجة للرؤية بوضوح في منتصف ليلة ضبابية شديدة الظلام لتجنب الحوادث.
- المراقبة: كاميرات الأمن غالبًا ما تفشل في الظلام. هذه التكنولوجيا قد تساعدها في رؤية المجرمين أو الحوادث بوضوح.
- التصوير الطبي: يحتاج الأطباء أحيانًا لرؤية التفاصيل في عمليات المسح ذات الإضاءة المنخفضة والتي تكون حاليًا مليئة بالضجيج لدرجة لا يمكن الوثوق بها.
- التاريخ: تخيل ترميم الصور العائلية القديمة والتالفة والمظلمة من الخمسينيات حتى يتمكن أحفادك من رؤية أسلافهم بوضوح.
الخلاصة
هذه الورقة ليست مجرد قائمة من المعادلات الرياضية. إنها تقرير عن كيف يعلم أفضل باحثي الذكاء الاصطناي في العالم الحواسيب كيف "ترى" في الظلام. إنهم ينتقلون بعيدًا عن بيانات التدريب المثالية والزائفة، ويعلمون الذكاء الاصطناعي كيفية التعامل مع الواقع الفوضوي، المليء بالضجيج، وغير المتوقع.
لقد أثبت الفائزون أنه إذا أعطيت الذكاء الاصطناعي التدريب الصحيح (الظلام الواقعي) والأدوات الصحيحة (الرياضيات الذكية)، فيمكنه تحويل الفراغ الأسود المخيف إلى صورة واضحة وحيوية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.