UBLLIE: Unified Backlight and Low-Light Image Enhancement

تخيل أنك تحاول التقاط صورة لصديقك في حفلة موسيقية. أضواء المسرح خلفه ساطعة لدرجة تعمي الأبصار، لكن وجه صديقك يبدو كظلال داكنة. أو ربما تحاول التقاط صورة لقطة في غرفة مظلمة ليلاً، حيث يبدو كل شيء كغباش رمادي محبب. في عالم الرؤية الحاسوبية — العلم الذي يعلم الحواسيب كيف "ترى" الصور — هاتان مشكلتان مختلفتان تماماً ولكنهما متساويتان في الإحباط. إحداهما تسمى "الإضاءة الخلفية" (Backlighting)، حيث يكون مصدر الضوء خلف الهدف، مما يخلق عدم توازن حاد. والأخرى هي "الإضاءة المنخفضة" (Low-light)، حيث لا يوجد ضوء كافٍ في أي مكان.

لكي يتعرف الكمبيوتر على وجه، أو سيارة، أو فحص طبي، يجب أن تكون الصورة واضحة ومتوازنة. إذا لم يستطع الكمبيوتر رؤية التفاصيل بسبب سوء الإضاءة، فقد يغفل عن مشاة على الطريق أو يفشل في رصد ورم في فحص طبي. تقليدياً، كان إصلاح هذه الصور يشبه محاولة إصلاح ساعة مكسورة بمطرقة: يمكنك جعلها أكثر سطوعاً، لكنك غالباً ما تفسد التفاصيل أو تجعل الألوان تبدو مزيفة. التحدي الكبير كان القيام بذلك دون الحاجة إلى نسخة "مثالية" من الصورة للنسخ منها. معظم البرامج الذكية تحتاج لرؤية صورة "قبل" وصورة "بعد" لتتعلم كيفية الإصلاح، لكننا في العالم الحقيقي نادراً ما نملك نسخة مثالية لصورة مظلمة أو ذات إضاءة خلفية سيئة للمقارنة بها. هذا البحث يخطو داخل هذا السيناريو الواقعي الفوضوي ليرى ما إذا كان بإمكاننا تعليم الحواسيب إصلاح الإضاءة السيئة من تلقاء نفسها، باستخدام خدعة ذكية تتعلق باللغة.

---

التعويذة السحرية للصور السيئة

تعرفوا على UBLLIE (تحسين الصور الموحد للإضاءة الخلفية والإضاءة المنخفضة). فكروا فيه كمحرر صور رقمي لا يكتفي بالتخمين لما يجب أن تبدو عليه الصورة، بل "يقرأ" فعلياً وصفاً لما يشعر به الشخص تجاه الصورة الجيدة.

بنى الباحثون هذا النظام لمعالة كابوسين مختلفين للإضاءة في آن واحد: "تأثير الظل" للصور ذات الإضاءة الخلفية، و"الظلام الضبابي" لمشاهد الإضاءة المنخفضة. عادةً، يبني العلماء أداة واحدة للصور ذات الإضاءة الخلفية وأداة مختلفة تماماً للصور المظلمة. أما UBLLIE، فهو بطل خارق موحد يتعامل مع كليهما.

السر الخفي: التحدث إلى الكمبيوتر

الجزء الأكثر إبداعاً في هذا البحث هو كيفية تعلم الكمبيوتر. بدلاً من إظهار آلاف الصور "المثالية" له (والتي يصعب الحصول عليها)، علم الفريق الكمبيوتر باستخدام الكلمات.

تخيل أن لديك قاموساً سحرياً. تخبر الكمبيوتر: "هذه صورة لمشهد 'مضاء جيداً وسعيد' (هذا هو المطالب الإيجابي/Positive Prompt)". ثم تريه صورة مظلمة وكئيبة وتقول: "هذا مشهد 'سيء الإضاءة وحزين' (هذا هو المطالب السلبي/Negative Prompt)". يستخدم الكمبيوتر عقلاً ضخماً مدرباً مسبقاً يسمى CLIP (وهو مشهور بفهم الرابط بين الصور والنصوص) ليتعلم ما الذي "تشعر" به تلك الكلمات بصرياً.

تتم العملية عبر ثلاث مراحل ممتعة:

1. الإحماء: يتعلم الكمبيوتر معنى "الإضاءة الجيدة" و"الإضاءة السيئة" من خلال النظر إلى الصور المرجعية ومطابقتها مع الأوصاف النصية.
2. التجربة التدريبية: يحاول إصلاح صورة مظلمة. بعد ذلك، يسأل CLIP: "هل تبدو هذه الصورة الجديدة أقرب للمشهد 'السعيد' أم المشهد 'الحزين'؟". إذا كانت لا تزال تبدو حزينة، يقوم الكمبيوتر بتعديل عمله.
3. التنقيح: يصبح الكمبيوتر أكثر ذكاءً بشأن الكلمات. يدرك أنه: "آه، 'الإضاءة الجيدة' لا تعني فقط السطوع؛ بل تعني السطوع الطبيعي". يقوم بتحديث قاموسه الداخلي ويحاول مجدداً، مقترباً من المثالية دون أن يرى أبداً صورة "أصلية" مثالية ليقلدها.

المحرك: عدسة كاميرا متخصصة

للقيام بالعمل الشاق المتمثل في إصلاح البكسلات، لم يستخدم الفريق مجرد عقل حاسوبي قياسي. بل بنوا محركاً مخصصاً يسمى Symmetric Residual U-Net with ASPP.

دعونا نفكك ذلك باستخدام تشبيه. تخيل أن الصورة هي خريطة مدينة معقدة.

• الـ U-Net يشبه فريقاً من المحققين الذين يزومون (Zoom in) للنظر في الأزقة الصغيرة (التفاصيل الدقيقة) ثم يزومون للخارج (Zoom out) للنظر إلى مخطط المدينة بأكمله (الهيكل العام). يعملون على شكل حرف "U"، ينزلون للبحث عن الأدلة ثم يصعدون لتجميع قطع اللغز.
• الكتل المتبقية (Residual Blocks) تعمل مثل شبكة أمان. فهي تضمن ألا يمسح الكمبيوتر الأشياء المهمة بالخطأ (مثل وجه شخص أو أغصان شجرة) أثناء محاولته تفتيح الظلال. هو فقط يغير ما "يجب" تغييره.
  يدعمها الـ ASPP (Atrous Spatial Pyramid Pooling) وهو القوة الخارقة. إنه يشبه إعطاء المحققين تلسكوبات بقوى مختلفة. بعضها ينظر إلى الشقوق الصغيرة في الرصيف، بينما ينظر البعض الآخر إلى الأفق. هذا يساعد الكمبيوتر على فهم أن الظل الداكن في صورة ذات إضاءة خلفية يحتاج إلى علاج مختلف عن الزاوية المظلمة في غرفة ذات إضاءة منخفضة. إنه يوازن التعرض بحيث لا يتحول لون السماء إلى الأبيض ولا تظل الظلال سوداء.

النتائج: هل نجح الأمر؟

اختبر الفريق نظام UBLLIE على عدة مجموعات بيانات، بما في ذلك BAID (للصور ذات الإضاءة الخلفية) و LOL (للصور ذات الإضاءة المنخفضة). لم يكتفوا بالتخمين؛ بل قاسوا النتائج باستخدام رياضيات صارمة.

في اختبار مجموعة BAID، حقق UBLLIE درجة PSNR قدرها 22.017 و SSIM قدره 0.897. هذه الأرقام تشبه درجات التقرير المدرسي لمدى قرب الصورة من المثالية. يظهر البحث أن UBLLIE تفوق على الطرق الرائدة الأخرى، بما في ذلك تلك التي امتلكت صوراً مثالية للتعلم منها (Supervised) وتلك التي لم تمتلكها (Unsupervised).

وفي مجموعة بيانات LOL، حقق PSNR قدره 20.97 و SSIM قدره 0.82، وكان في الصدارة أيضاً. والأكثر إثارة للإعجاب، أنه في مجموعة بيانات VE-LOL-L، سجل PSNR قدره 21.02.

كانت النتائج البصرية مقنعة بنفس القدر. عند مقارنته بالطرق الأخرى، لم يجعل UBLLIE الأشياء أكثر سطوعاً فحسب، بل جعلها تبدو طبيعية. غالباً ما تسبب الطرق الأخرى ظهور "هالات" (حلقات متوهجة غريبة حول الأشياء) أو تجعل الألوان باهتة، لكن UBLLI حافظ على حدة الحواف وحقيقة الألوان. لقد نجح في إصلاح مشكلة "الظلال" في الصور ذات الإضاءة الخلفية ومشكلة "الغباش المحبب" في الإضاءة المنخفضة، وكل ذلك دون الحاجة إلى معلم يوضح له الإجابة الصحيحة.

لماذا هذا مهم؟

يجادل البحث بأننا بحاجة إلى طرق أفضل لاختبار هذه الأدوات، خاصة بالنسبة للصور ذات الإضاءة الخلفية، والتي غالباً ما يتم تجاهلها لصالح مشاكل الإضاءة المنخفضة. ومن خلال إظهار أن نموذجاً واحداً غير خاضع للإشراف يمكنه التعامل مع كليهما، يشير المؤلفون إلى أننا نتحرك نحو مستقبل يمكن فيه لكاميراتنا وأنظمة الأمان إصلاح الإضاءة السيئة تلقائياً في الوقت الفعلي، بغض النظر عن الظروف الصعبة.

يشير المؤلفون بحذر إلى أنه بينما طريقتهم قوية وقابلة للتوسع، إلا أنها تعتمد حالياً على نموذج لغوي عام (CLIP) وتعمل على الصور الثابتة. ويقترحون أن العمل المستقبلي قد يستكشف تطبيقات الفيديو أو نسخاً أخف وزناً للأجهزة الأسرع. ولكن في الوقت الحالي، يقف UBLLIE كدليل قوي على أن تعليم الحواسيب "قراءة" مزاج الصورة يمكن أن يساعدها في إصلاحها بشكل أفضل من أي وقت مضى.