Cgh-Dehazenet: A Lightweight Channel Grouping Half- Convolutional Network With Cross-Attention Refinement for Single Image Dehazing

في عالم الرؤية الحاسوبية، هناك صراع مستمر لتعليم الآلات كيف ترى العالم بوضوح كما تفعل العيون البشرية. وأحد العقبات الأكثر استمراراً هو الضباب، وهي حالة تتسبب فيها الجسيمات المعلقة في الهواء بتشتيت الضوء، مما يؤدي إلى بهتان الألوان وطمس التفاصيل. هذه ليست مجرد مشكلة جمالية؛ بل هي مشكلة وظيفية. فعندما تنظر كاميرا مثبتة على طائرة بدون طيار، أو سيارة، أو نظام أمني عبر ضباب كثيف، غالباً ما تكون الصورة الناتجة متدهورة للغاية بحيث لا يستطيع البرنامج تحديد الأشياء أو التنقل بأمان. لعقود من الزمن، حاول العلماء إصلاح ذلك باستخدام قواعد قائمة على الفيزياء لتخمين كيف يجب أن تبدو الصورة الصافية، لكن هذه الأساليب غالباً ما تفشل عندما يصبح العالم الحقيقي معقداً للغاية. وفي الآونة الأخيرة، توجه الباحثون إلى الذكاء الاصطناعي، حيث قاموا بتدريب شبكات التعلم العميق لتعلم الفرق بين الصورة الضبابية والصورة الواضحة. ومع ذلك، غالباً ما تكون هذه الشبكات القوية ضخمة وثقيلة حاسوبياً بحيث لا يمكن تشغيلها على الأجهزة الصغيرة التي تعمل بالبطاريات حيث تشتد الحاجة إليها.

لقد اقترح فريق من الباحثين الآن نهجاً جديداً يهدف إلى حل هذه المعضلة من خلال بناء نظام يتسم بالفعالية العالية والخفة المدهشة في آن واحد. ففي عملهم، قدموا شبكة تسمى (CGH-DehazeNet)، صُممت لإزالة الضباب من صورة واحدة مع استخدام جزء ضئيل من قوة الحوسبة المطلوبة من قبل الأساليب الحالية المتطورة. الفكرة الجوهرية هي منع الكمبيوتر من القيام بعمل غير ضروري. فبدلاً من معالجة كل قطعة من المعلومات في الصورة بنفس الآلات الثقيلة، يقوم النظام الجديد بتقسيم البيانات إلى مجموعات ويطبق الحسابات المعقدة على نصفها فقط، تاركاً النصف الآخر يمر دون تغيير. هذه الاستراتيجية، التي يسميها المؤلفون "تجميع القنوات بنصف التلافيف" (channel grouping half-convolution)، تقلل بشكل كبير من عدد الحسابات المطلوبة دون فقدان القدرة على رؤية التفاصيل المهمة.

ولضمان ألا تصبح الصورة واضحة فحسب، بل حادة وخالية من العيوب أيضاً، أضاف الباحثون طبقة ثانية من الذكاء. ففي العديد من أنظمة استعادة الصور، يتم ببساطة لصق المعلومات من المراحل المبكرة من المعالجة في المراحل اللاحقة، وهو ما قد ينقل الضجيج أو الأخطاء أحياناً. يتجنب النظام الجديد هذا الأمر باستخدام آلية "الانتباه المتقاطع" (cross-attention mechanism). تعمل هذه الآلية كمرشح ذكي يتحقق باستمرار من التفاصيل القادمة من المراحل المبكرة مقابل الفهم الأوسع الذي تم تطويره في المراحل اللاحقة. فهي تقرر ديناميكياً الأجزاء التي تحتاج إلى إبراز في الصورة والأجزاء التي يجب كبت الضجيج الناتج عن الضباب فيها. علاوة على ذلك، يتضمن النظام وحدة مخصصة لاستعادة الأنسجة الدقيقة، مثل حبيبات سياج خشبي أو أوراق الشجر، وهي الأشياء التي غالباً ما تكون أول ما يختفي في الظروف الضبابية.

إن نتائج هذا النهج مذهلة عند قياسها مقابل التقنيات الموجودة. ففي الاختبارات القياسية المصممة لتقييم مدى جودة النظام في إزالة الضباب، حققت الشبكة الجديدة درجة تتجاوز 40 ديسيبل، وهو مستوى من الوضوح ينافس أفضل الأساليب المتاحة حالياً. وما يجعل هذا الإنجاز جديراً بالذكر بشكل خاص هو التكلفة؛ فبينما قد تتطلب الشبكات الرائدة الأخرى مئات الملايين من المعلمات (parameters) لتعمل، يعمل هذا النموذج الجديد بنحو 1.9 مليون معلمة فقط. ومن حيث قوة الحوسبة الخام اللازمة لتشغيل النظام، فإنه يتطلب أقل من نصف الموارد التي تتطلبها أقرب منافسيه. وقد اختبر الباحثون النظام في كل من المشاهد الداخلية والخارجية، وكذلك على مجموعة بيانات كبيرة من الصور الضبابية الاصطناعية، وقد تفوق باستمرار على الأساليب القديمة في كل من السرعة والجودة.

يعتمد نجاح هذا المشروع على بعض الخيارات التصميمية المحددة التي ترفض عقلية "الأكبر هو الأفضل" التقليدية في الذكاء الاصطناعي. يجادل المؤلفون بأن مجرد تكديس المزيد من الطبقات أو جعل الشبكات أكبر هو وسيلة غير فعالة لحل مشكلة الضباب. بدلاً من ذلك، ركزوا على الكفاءة من خلال تصميم شبكة تفهم أين تنفق طاقتها. ومن خلال استخدام وظيفة تنشيط متخصصة تسمح للنظام بالتعامل مع القيم السالبة بسلاسة أكبر، تتجنب الشبكة التعثر أثناء عملية التعلم، مما يسمح لها بالتدريب بشكل أكثر فعالية وإنتاج نتيجة أكثر استقراراً. ووجد الفريق أيضاً أن مجرد إضافة كتل تعزيز التفاصيل إلى منتصف الشبكة وفر أكبر دفعة في الأداء، مما يشير إلى أن الجزء الأكثر حرجاً في العملية هو إعادة بناء الأنسجة عالية التردد بعناية في مركز الصورة.

في نهاية المطاف، يثبت هذا العمل أن استعادة الصور عالية الجودة لا تتطلب حواسيب ضخمة تستهلك الكثير من الطاقة. تثبت الشبكة الجديدة أنه من الممكن بناء نظام صغير بما يكفي للعمل على الأجهزة المحمولة أو الأنظمة المدمجة مع تقديم نتائج احترافية في الوقت نفسه. لقد أظهر الباحثون أنه من خلال كونهم أكثر ذكاءً في كيفية معالجة المعلومات — عبر تجميع القنوات، وتكرير الميزات باستخدام الانتباه، والتركيز على استعادة الأنسجة — يمكنهم تحقيق مستوى من الوضوح كان يُعتقد سابقاً أنه يتطلب آلات أثقل بكثير. وهذا يفتح الباب أمام نشر أنظمة رؤية متقدمة في سيناريوهات العالم الحقيقي حيث تكون الطاقة والمساحة محدودة، من المركبات ذاتية القيادة التي تتنقل عبر الضباب إلى الطائرات بدون طيار التي تراقب المناطق النائية. وتشير النتائج إلى أن مستقبل استعادة الصور لا يكمن في بناء نماذج أكبر، بل في تصميم نماذج أكثر كفاءة.