PixRestore: Unified Image Restoration via Pixel Diffusion Transformer

في كل يوم، تلتقط كاميراتنا العالم بطرق غير مثالية. فزخة مطر مفاجئة تترك خطوطاً عبر العدسة؛ ضباب كثيف يطمس جبلاً بعيداً؛ وغرفة خافتة الإضاءة تحول وجهاً إلى ظل. لعقود من الزمن، حاول العلماء بناء برامج حاسوبية يمكنها إصلاح هذه الصور التالفة، وتحويل صورة ضبابية أو مشوشة أو محجوبة إلى شيء واضح وحاد. هذا المجال، المعروف باسم استعادة الصور (image restoration)، اعتمد طويلاً على استراتيجيتين رئيسيتين. الأولى تعامل المشكلة كأنها لغز رياضي بسيط، حيث تحاول حساب الصورة الأصلية الأكثر احتمالاً بناءً على الصورة التالفة. ورغم أن هذه الطرق سريعة، إلا أنها غالباً ما تنتج نتائج تبدو ناعمة للغاية، مما يفقدها الأنسجة الدقيقة التي تجعل الصورة تبدو واقعية. أما الاستراتيجية الثانية فتستخدم نماذج توليدية قوية، صُممت في الأصل لإنشاء صور جديدة من الصفر بناءً على أوصاف نصية. هذه النماذج بارعة في ابتكار تفاصيل واقعية، لكنها قد تبتكر أحياناً أشياء لم تكن موجودة، أو قد تغفل عن التفاصيل المحددة التي يجب الحفاظ عليها لأنها تضغط الصورة إلى رمز مجرد وخفي قبل محاولة إصلاحها.

قام باحثون من جامعة هونغ كونغ المتعددة التقنيات ومعهد أوبو (OPPO) للأبحاث بتطوير نهج جديد يسمى "PixRestore" يسد هذه الفجوة. فبدلاً من الاعتماد على الأنظمة الثقيلة والمعقدة المستخدمة لتوليد الفن من النصوص، أو الرياضيات البسيطة التي تنعم التفاصيل، بنوا نظاماً يعمل مباشرة على بكسلات الصورة الخام. تخيل الصورة ليس كملف مضغوط، بل كشبكة شاسعة من النقاط الملونة الصغيرة. معظم أدوات الاستعادة الحديثة تقوم أولاً بضغط هذه النقاط في تمثيل مجرد أصغر لتوفير الوقت، تماماً مثل تلخيص كتاب طويل في بضع نقاط أساسية. المشكلة هي أنه في عملية التلخيص، غالباً ما تفقد الفروق الدقيقة في القصة. يتخطى "PixRestore" خطوة التلخيص هذه تماماً؛ فهو يعمل مباشرة على الشبكة الكاملة من النقاط الملونة، محافظاً على كل حافة ونسيج دقيق أثناء عمله. وهذا يسمح للنظام بأن يكون فعالاً للغاية، مستخدماً طاقة حوسبة أقل بكما من منافسيه مع إنتاج نتائج تبدو حادة وواقعية.

جوهر هذا النظام الجديد هو نوع من بنية الذكاء الاصطناعي يسمى "محول الانتشار" (Diffusion Transformer). بعبارات بسيطة، يتعلم هذا النموذج كيفية عكس عملية التدهور. يبدأ بصورة مشوشة وتالفة ويتعلم كيفية إزالة الضوضاء أو المطر أو الضباب تدريجياً، خطوة بخطوة، حتى تظهر صورة نظيفة. وما يجعل "PixRestore" فريداً هو كيفية توجيهه لهذه العملية. فقد أدرك الباحثون أن أنواع الضرر المختلفة تتطلب أنواعاً مختلفة من الانتباه. فعلى سبيل المثال، يتطلب إزالة خطوط المطر النظر في الخطوط الدقيقة والحادة، بينما يتطلب إصلاح صورة مظلمة ومنخفضة الإضاءة فهم الشكل العام وسطوع المشهد. وللتعامل مع ذلك، يستخدم النظام "خبيراً بصرياً" مدرباً مسبقاً يعمل بمثابة مجموعة من العيون ذات مستويات تركيز مختلفة. ينظر هذا الخبير إلى الصورة التالفة ويخبر نموذج الاستعادة أي أجزاء من الصورة لا تزال موثوقة وأي أجزاء تالفة جداً بحيث لا يمكن الوثوق بها. إذا كانت طبقة من الصورة لا تزال واضحة، يستخدمها النظام كدليل قوي. وإذا كانت الطبقة تالفة بشدة، يعرف النظام أنه يجب عليه تجاهلها والاعتماد أكثر على معرفته بما يجب أن تبدو عليه الصورة النظيفة. هذا التوجيه التكيفي يضمن عدم ارتباك النموذج بسبب الضرر الذي يحاول إزالته.

النتائج التي حققها هذا النهج مذهلة. اختبر الباحثون نموذجهم على ثمانية أنواع مختلفة من أضرار الصور، بما في ذلك المطر، والثلوج، والضباب، والضباب الدخاني، والضبابية، والإضاءة المنخفضة. وفي هذه الاختبارات، نجح "PixRestore" في إزالة الضرر بشكل أكثر فعالية من الطرق السابقة مع الحفاظ على حدة تفاصيل الصورة. ولعل الأمر الأكثر إثارة للدهشة هو أنه فعل كل هذا بحجم نموذج يبلغ حوالي 50 مليون معلمة فقط. ولوضع هذا في السياق، فإن العديد من الأنظمة المنافسة التي تستخدم تقنية "النص إلى صورة" الثقيلة هي أكبر بمليارات المرات، وتتطلب كميات هائلة من قوة الحوسبة والوقت لإنتاج صورة واحدة. في المقابل، يمكن لـ "PixRestore" إنشاء صورة مستعادة في خطوة واحدة، مستغرقاً أقل من ثانية على الأجهزة القياسية. هذه السرعة والكفاءة تعني أن مثل هذه التكنولوجيا يمكن أن تعمل في النهاية على الأجهزة اليومية مثل الهواتف الذكية، بدلاً من أن تظل حبيسة مراكز البيانات الكبيرة.

اكتشف الفريق أيضاً أن مجرد جعل النموذج أكبر يمكن أن يجعله أفضل. فقد اختبروا نسخاً أكبر من نظامهم، وأنتجت هذه النماذج الموسعة جودة أعلى، مما يشير إلى أن تصميمهم جاهز للنمو مع زيادة القدرة الحوسبية. ومع ذلك، يشير الباحثون إلى أنه على الرغم من أن نظامهم يمثل خطوة كبيرة للأمام، إلا أنه ليس مثالياً؛ فهو لا يزال يعاني مع الصور التالفة لدرجة أنها لا تحتوي على أي معلومات مفيدة تقريباً، ويعمل حالياً بشكل أفضل عند دقة صورة محددة. رغم هذه القيود، يوضح العمل أنك لست بحاجة إلى أنظمة ضخمة ومعقدة لاستعادة الصور بفعالية. فمن خلال العمل مباشرة مع البكسلات الخام واستخدام التوجيه التكيفي الذكي، من الممكن بناء أدوات تكون سريعة وأمينة للمشهد الأصلي في آن واحد. يقدم هذا النهج مساراً جديداً لاستعادة الصور، مساراً يعطي الأولوية للوضوح والكفاءة على الحجم الهائل والتعقيد.