IR-Flow: Bridging Discriminative and Generative Image Restoration via Rectified Flow

إليك ملخص تقني مفصل لورقة البحث بعنوان "IR-Flow: سد الفجوة بين النماذج التمييزية والنماذج التوليدية في استعادة الصور عبر التدفق المصحح (Rectified Flow)".

1. بيان المشكلة

تهدف عملية استعادة الصور إلى استرجاع الصور النظيفة من المدخلات المتدهورة (مثل الأمطار، الضجيج، أو الضبابية). يواجه هذا المجال حاليًا مقايضة جوهرية بين النماذج التمييزية (Discriminative) والنماذح التوليدية (Generative):

• الأساليب التمييزية: تعتمد عادةً على التعلم الخاضع للإشراف لتقليل التشوه على مستوى البكسل (مثل فقدان $\ell_2$). ورغم كفاءتها (استنتاج بخطوة واحدة)، إلا أنها غالبًا ما تنتج مخرجات شديدة النعومة تفتقر إلى التفاصيل عالية التردد والواقعية الإدراكية لأنها تتعلم التوقع الشرطي $E[x|y]$.
• الأساليب التوليدية (الانتشار/SDE): تعمل على نمذجة توزيع البيانات الكامل لالتقاط الأنسجة والتفاصيل. ومع ذلك، فهي تعاني من عدم كفاءة أخذ العينات متعدد الخطوات (تتطلب غالبًا 50-100 خطوة) ومن تعقيد اقتران الضجيج والبقايا (noise-residual coupling)، حيث يجب على النموذج أن يتعلم في آن واحد إزالة الضجيج وإعادة بناء البقايا، مما يؤدي إلى صعوبة في التحسين وبطء في الاستنتاج.

التحدي الجوهري هو إنشاء إطار عمل موحد يحقق كفاءة النماذج التمييزية (استنتاج بخطوات قليلة) مع الحفاظ على الجودة الإدراكية للنماذج التوليدية، دون العبء الحسابي لعمليات الانتشار القياسية.

2. المنهجية: IR-Flow

يقترح المؤلفون IR-Flow، وهو إطار عمل يعتمد على التدفق المصحح (Rectified Flow) الذي ينشئ خريطة نقل خطية مباشرة بين نطاق الصورة المتدهورة ونطاق الصورة النظيفة.

أ. تدفقات توزيع البيانات متعددة المستويات

بدلاً من معاملة التدهور كحالة واحدة، يقوم المؤلفون ببناء تدفقات توزيع بيانات متعددة المستويات.

• قاموا بإنشاء حالات وسيطة اصطناعية بمستويات تدهور محكومة بين الصورة النظيفة ($X_0$) والصورة المتدهورة ($X_1$).
• يعزز هذا قدرة النموذج على التعلم والتكيف مع درجات التدهور المتفاوتة، مما يقوي البنية المحلية للتوزيع ويمنع التقديرات الخشنة في المناطق الشحيحة.
• رياضيًا، يخلق هذا مسارًا مستمرًا $X_t = tX_1 + (1-t)X_0$ حيث $t \in [0, 1]$.

ب. حقل السرعة التراكمي (CVF)

يتعلم التدفق المصحح القياسي حقل سرعة لحظي $v(X_t, t)$ يمثل اتجاه المماس للمسار. ويرى المؤلفون أن هذا يتطلب أحجام خطوات صغيرة لضمان دقة التكامل.

• الابتكار: اقترحوا حقل سرعة تراكمي (Cumulative Velocity Field) يُعرف بـ $\hat{v}(X_t, t) = E[X_t - X_0 | X_t]$.
• الآلية: بدلاً من التوجيه على طول المماس، يشير $\hat{v}$ مباشرة من الحالة الوسيطة الحالية $X_t$ نحو الحالة النظيفة المستهدفة $X_0$.
• الفائدة: يقلل هذا من "طاقة النقل" بمعامل قدره 3 مقارنة بحقول السرعة القياسية ($A[\hat{v}] = \frac{1}{3}A[v]$)، مما يؤدي إلى تسريع التقارب، وتقليل تعقيد النمذجة، وتوفير مسارات أكثر مباشرة.

ج. تدريب الاتساق متعدد الخطوات (MCT)

لضمان بقاء المسارات المتعلمة خطية ومتماسكة أثناء الاستنتاج، تم تقديم فقدان الاتساق متعدد الخطوات (Multi-step Consistency Loss).

• الهدف: لا يتم تدريب النموذج لمطابقة حقل السرعة فحسب، بل لضمان أنه إذا اتخذ حل (ODE) خطوات متعددة من حالة ضوضاء، فإن النتيجة النهائية للاستعادة تتوافق مع الهدف النظيف.
• دالة الفقدان: $L = L_S + \lambda_{MCT} L_{MCT}$، حيث يقيس $L_{MCT}$ المسافة بين نتيجة عينة الـ ODE والهدف النظيف.
• النتيجة: يفرض هذا اتساق المسار، مما يسمح باستعادة عالية الجودة باستخدام عدد قليل جدًا من خطوات أخذ العينات (1-4 خطوات).

3. المساهمات الرئيسية

1. إطار عمل موحد: يربط IR-Flow بين النماذج التمييزية والتوليدية من خلال بناء تدفق نقل خطي مباشر بين الصور المتدهورة والنظيفة، مما يلغي الحاجة إلى اقتران الضجيج والبقايا المعقد.
2. حقل السرعة التراكمي (CVF): صياغة مبتكرة تلتقط التدفق الاتجاهي نحو الحالة المستهدفة، مما يسرع بشكل كبير من تقارب التدريب ويقلل من طاقة النقل مقارنة بالتدفق المصحح القياسي.
3. اتساق الخطوات القليلة: يسمح إدخال قيد اتساق المسار للنموذج بتحقيق أداء رائد (SOTA) باستخدام 1 إلى 4 خطوات أخذ عينات فقط، مما يقلل وقت الاستنتاج بشكل جذري.
4. المتانة: تتيح بنية التدفق متعددة المستويات قدرة قوية على التعميم على التدهورات خارج نطاق التوزيع (OOD) ومستويات الضجيج المتغيرة دون الحاجة لإعادة التدريب.

4. النتائج التجريبية

تم تقييم الطريقة على إزالة المطر من الصور، إزالة الضجيج، إزالة قطرات المطر، رفع الدقة (Super-Resolution)، إزالة الضبابية، وإزالة الضباب.

• الأداء الكمي:
  • إزالة المطر (Rain100H/L): حقق أعلى مستويات PSNR (32.69 dB) وSSIM مع 1-2 NFE (عدد تقييمات الدالة) فقط، متفوقًا على IR-SDE (الذي يتطلب 100 NFE) والأسالهم الخاضعة للإشراف مثل Restormer.
  • إزالة الضجيج: في مجموعة بيانات McMaster مع $\sigma=25$، حقق IR-Flow قيمة 33.15 PSNR في خطوة واحدة، متفوقًا على IR-SDE (الذي حقق 32.39 PSNR في 22 خطوة) وDnCNN.
  • الكفاءة: يعد IR-Flow أسرع بـ 100 مرة من IR-SDE وأسرع بـ 7 مرات من RDDM في وقت الاستنتاج، مع الحفاظ على جودة إدراكية (LPIPS) مماثلة أو أفضل.
• الأداء النوعي: تُظهر النتائج البصرية أن IR-Flow يستعيد الأنسجة والتفاصيل الدقيقة (مثل الفراء وخطوط المطر) بشكل أفضل من النماذج التمييزية التي تميل لتكون ضبابية، ويضاهي جودة نماذج الانتشار متعددة الخطوات بجزء بسيط من الحوسبة.
• التعميم: أظهر النموذج متانة قوية على صور الإنترنت الواقعية ومستويات الضجيج المتغيرة (تدريب موحد على $\sigma \in [0, 50]$)، متفوقًا على الطرق المدربة على مستويات ضجيج محددة.

5. الأهمية

يمثل IR-Flow تحولًا مهمًا في استعادة الصور من خلال إثبات أن القدرات التوليدية لا تتطلب أخذ عينات مكلف متعدد الخطوات.

• الكفاءة: يحل معضلة "السرعة مقابل الجودة"، حيث يقدم جودة إدراكية تشبه نماذج الانتشار بسرعة الشبكات التمييزية ذات الممر الواحد.
• التفسير الفيزيائي: من خلال نمذجة تدفق نقل خطي مع سرعة تراكمية، يوفر الأسلوب نهجًا أكثر قابلية للتفسير الفيزيائي وأكثر رصانة رياضية من نماذج الانتشار القائمة على اضطراب الضجيج.
• العملية: إن القدرة على التعامل مع مستويات تدهور متنوعة بنموذج موحد واحد تجعل منه مناسبًا جدًا للنشر في العالم الحقيقي حيث تتغير أنواع التدهور وشدتها بشكل غير متوقع.

باختصار، نجح IR-Flow في دمج أفضل ما في العالمين: دقة التشوه للتعلم الخاضع للإشراف والواقعية الإدراكية للنمذجة التوليدية، وذلك من خلال إطار عمل فعال يعتمد على ODE وخطوات قليلة.