ملخص تقني: نماذج التدفق التوليدي المتوافقة مع الاستعادة لإزالة ضبابية الحركة العمياء

بيان المشكلة

تهدف عملية إزالة ضبابية الحركة العمياء (Blind motion deblurring) إلى استعادة صورة نقية من ملاحظة ضبابية واحدة. وبينما حققت بنيات التعلم العميق القائمة على الاستعادة (Restoration-based) دقة عالية (من خلال مطابقة الصور الأصلية عبر خسائر بكسلية)، إلا أنها غالبًا ما تعاني في إنتاج تفاصيل واقعية إدراكياً، مما يؤدي إلى مخرجات مفرطة في النعومة. وعلى العكس من ذلك، فإن النماذج التوليدية (مثل نماذج الانتشار ونماذج مطابقة التدفق) المدربة على صور طبيعية واسعة النطاق تتفوق في الجودة الإدراكية، لكنها تعاني من تدهور شديد في الدقة (Fidelity) عند تطبيقها مباشرة على مهام الاستعادة. يحدث هذا "الانهيار في الدقة" (Fidelity collapse) لأن أهداف التدريب للنماذج التوليدية (نقل الضوضاء إلى بيانات نظيفة) لا تتوافق جوهرياً مع أهداف الاستعادة (استعادة محتوى محدد من مدخل متدهور). إن التطبيق الساذج للنماذج التوليدية فوق شبكات استعادة عالية الدقة غالباً ما يؤدي إلى انخفاض كبير في مقياس PSNR، مما يفشل في الحفاظ على جودة إعادة البناء الأولية.

المنهجية: DeblurFlow

يقترح المؤلفون DeblurFlow، وهو إطار عمل يحل عدم التوافق في الأهداف بين التوليد والاستعادة من خلال إعادة صياغة مسار التدفق التوليدي. تتكون المنهجية من ثلاثة مكونات أساسية:

1. صياغة التدفق المتوافق مع الاستعادة

تتعلم نماذج مطابقة التدفق القياسية حقل متجه لنقل عينة ضوضاء ($\epsilon$) إلى صورة نظيفة ($x$). يعيد DeblurFlow تفسير هذا المسار عن طريق استبدال نقطة نهاية الضوضبية بالملاحظة الضبابية ($y$).

• إعادة تعريف المسار: يتم تعريف المسار كـ $x^*_t = (1-t)x + ty$، حيث $y$ هو المدخل الضبابي و $x$ هو الصورة الأصلية النظيفة.
• حقل المتجه كبقايا (Residual): يمثل مشتق هذا المسار $v^* = y - x$ بشكل طبيعي خطأ البقايا (Residual error) بين الضبابية والصورة النظيفة.
• محاذاة الخسارة: بموجب هذه الصياغة، تتطابق خسارة مطابقة التدفق القياسية مع خسارة البقايا ($L_{res} = \|v_\theta(x^*_t, t) - (y - x)\|^2$). وهذا يسمح للنماذج التدفقية المدربة مسبقاً بالتحسين تحت أهداف موجهة للاستعادة عبر التكيف منخفض الرتبة (LoRA)، مما يمكنها من التنبؤ بالبقايا بدلاً من توليد الصور من الضوضاء.

2. استراتيجية أخذ العينات بخبير مزدوج

للموازنة بين دقة الاستعادة والواقعية الإدراكية، يقوم إطار العمل بتفكيك المهمة إلى دورين متكاملين:

• خبير الدقة (Fidelity Expert): توفر شبكة استعادة مدربة مسبقاً (مثل NAFNet) تقديراً عالى الدقة ($x^*_t = f_\psi(y)$).
• خبير الواقعية (Realism Expert): يعمل DeblurFlow كخبير واقعية يحافظ على الدقة. فهو يقوم بتحسين التقدير الأولي من خلال التنبؤ بخطأ البقاء تحت عملية أخذ عينات مطابقة التدفق.
• التدريب المشترك (Co-training): لمعالجة الفجوات المحتملة في التوزيع بين التدريب على مدخلات ضبابية خام مقابل التهيئة عالية الدقة، يتم تدريب النموذج بشكل مشترك على كل من رسم الخرائط المباشر من الضباب إلى النظيف ($y \to x$) ورسم الخرائط المعتمد على الخبير ($f_\psi(y) \to x$).

3. التمثيل الكامن في فضاء r (r-Space)

لضمان الكفاءة الحسابية، يعمل الإطار في فضاء كامن متخصص يسمى r-space، بدلاً من مساحات VAE الكامنة القياسية.

• التصميم: تم تصميم r-space ليكون مخصصاً لـ فك تشفير البقايا (Residual decoding) بدلاً من إعادة بناء الصورة النظيفة.
• البنية: يستخدم زوجاً من المشفر-المفكك (Encoder-Decoder) مع اختصارات بقايا تنقل الإشارات الهيكلية مباشرة من المدخل الضبابي.
• الكفاءة: يقلل هذا التصميم بشكل كبير من التكلفة الحسابية لمكونات المشفر-المفكك مقارنة بـ VAEs القياسية، مما يجعل عملية أخذ العينات التكرارية عملية للتطبيقات الواقعية.

المساهمات الرئيسية

1. الصياغة المتوافقة مع الاستعادة: يقترح البحث إطار عمل جديد لإزالة الضبابية يعيد صياغة مسار التدفق التوليدي ليعامل حقل المتجه كخطأ بقايا متوافق مع المهمة. هذا يقلل من انهيار الدقة ويجعل النماذج التدفقية التوليدية متوافقة مع نماذج إزالة الضبابية عالية الدقة.
2. الفضاء الكامن r-Space: يتيح إدخال r-space ترميز وفك تشفير يحافظ على الدقة بكفاءة حسابية عالية، مما يقلل تكلفة المشفر-المفكك بما يصل إلى 9 أضعاف مقارنة بـ latents الخاصة بـ VAE.
3. أخذ عينات بخبير مزدوج: استراتيجية تفكك المشكلة إلى خبير دقة وخبير واقعية يحافظ على الدقة، مما يضمن دقة استعادة عالية مع تحسين الواقعية الإدراكية بشكل كبير.

النتالئج التجريبية

قيم المؤلفون DeblurFlow على أربع مجموعات بيانات: GoPro، HIDE، RealBlur-J، و RWBI.

• الدقة مقابل الواقعية: في مجموعة بيانات GoPro، حقق DebleFlow درجة PSNR بلغت 33.05 dB (مقارنة بـ 33.69 dB لخبير الدقة وحده و 27.60 dB للتطبيق التوليدي الساذج) ودرجة MUSIQ بلغت 50.81 (أعلى بكثير من الطرق القائمة على الاستعادة مثل NAFNet التي سجلت 45.28). وهذا يثبت القدرة على الحفاظ على الدقة مع تعزيز الجودة الإدراكية.
• التعميم: في مجموعة بيانات RWBI الواقعية (التي تفتقر إلى الحقيقة الأرضية/Ground-truth)، تفوق DeblurFlow على كل من الطرق القائمة على الاستعادة والطرق القائمة على الانتشار عبر جميع مقاييس عدم المرجع (CLIPIQA, NIQE, MUSIQ, MANIQA).
• الكفاءة الحسابية: يعالج DeburFlow صور بدقة 2K في 0.41 ثانية على وحدة معالجة رسوميات واحدة. هذا أسرع بنحو 3.4 مرة من DiffIR و6.5 مرة من FFTFormer. قلل استخدام r-space من التكلفة الحسابية للمشفر-المفكك من 422.7 GMACs إلى 19.5 GMACs.
• دراسات الاستئصال (Ablation Studies): أكدت التجارب أن هدف التوليد القياسي يسبب انهيار الدقة (انخفاض PSNR من 33.69 إلى 27.60). وقد خففت صياغة خسارة البقايا المقترحة من هذا الانخفاض (استعادة PSNR إلى 32.40)، كما حسن r-space كل من الدقة والواقعية مع تقليل التكاليف.

الأهمية والادعاءات

يزعم البحث أن DeburFlow نجح في سد الفجوة بين الاستعادة والتوليد. ومن خلال إعادة صياغة مسار التدفق التوليدي ليتوافق مع أهداف الاستعادة (التنبؤ بالبقايا بدلاً من نقل الضوضاء)، يسمح إطار العمل لنموذج توليدي واحد بالعمل بفعالية كأداة لإزالة الضبابية دون التضحية بالدقة التي توفرها شبكات الاستعادة التقليدية.

يؤكد المؤلفون أن مساهمتهم لا تكمن فقط في دمج المكونات الموجودة، بل في التوحيد تحت صياغة تدفق توليدي متوافقة مع الاستعادة. يشير هذا النهج إلى أن الاستعادة والتوليد ليس بالضرورة مهمتين منفصلتين وغير متوافقتين، بل يمكن استكشافهما ضمن نموذج تدفق توليدي واحد. يتم تقديم الطريقة كحل عملي يحقق دقة استعادة قوية وواقعية إدراكية مع بقائه فعالاً حسابياً بما يكفي للنشر في العالم الحقيقي. ويشير المؤلفون إلى أنه يمكن توسيع هذا الإطار ليشمل مهام استعادة أخرى مثل تقليل الضجيج وتكبير الصور (Super-resolution).