DFARNet: Learnable Frequency Attention ResNet with Dual-Attention for Single-Image Desnowing

إن الثلج أكثر من مجرد مشهد شتوي جميل؛ فبالنسبة للآلات التي تقود سياراتنا وتراقب مدننا، هو عبارة عن ضبابية مربكة. فخلافاً للمطر، الذي يسقط في خطوط متميزة، أو الضباب، الذي يتدلى كغشاوة موحدة، فإن الثلج عبارة عن مزيج فوضوي من الجسيمات التي تختلف في الحجم والشفافية والكثافة. وبالنسبة للحاسوب الذي يحاول رؤية العالم، غالباً ما تبدو ندفة الثلج المتساقطة تماماً مثل جدار أبيض، أو سحابة، أو زهرة. هذا الخداع البصري يجعل من الصعب للغاية على الذكاء الاصطناعي تنظيف صورة مغطاة بالثلج دون مسح التفاصيل الفعلية للمشهد الموجود خلفها عن طريق الخطأ. لعقود من الزمن، حاول الباحثون تعليم الحواسيب كيفية التمييز بين الطقس والعالم، لكن معظم الطرق واجهت صعوبة في التمييز بين ندفة ثلج عشوائية وبين حافة حادة وطبيعية لمبنى أو شجرة.

لقد اقترح فريق من الباحثين في جامعة تشانغتشون للعلوم والتكنولوجيا في الصين نهجاً جديداً لهذه المشكلة، حيث قدموا نظاماً أطلقوا عليه اسم "DFARNet". وبدلاً من النظر إلى الصورة الثلجية كمجرد مجموعة من البكسلات، كما فعلت الطرق السابقة، ينظر هذا النظام الجديد إلى الصورة بطريقتين مختلفتين في آن واحد: كصورة وكنمط من الاهتزازات. في عالم معالجة الصور، يمكن تفكيك كل صورة إلى ترددات، وهي في الأساس معدلات تغير الألوان والسطوع عبر الصورة. الحواف الطبيعية، مثل زاوية سقف، تخلق أنماطاً منظمة واتجاهية في هذه الترددات. أما الثلج، فيخلق ضجيجاً عشوائياً ومشتتاً يبدو مختلفاً تماماً في هذا المنظور الرياضي. وقد أدرك الباحثون أنه من خلال تعليم الحاسوب التعرف على هذه الأنماط العشوائية المحددة، يمكنه إزالة الثلج دون طمس الخطوط الحادة للعالم الحقيقي.

يعمل النظام الذي بنوه مثل زوج من العيون المتخصصة التي تعمل معاً. العين الأولى، وهي الفرع المكاني (spatial branch)، تنظر إلى الصورة لتجد بالضبط مكان وجود الثلج. أما العين الأخرى، وهي فرع التردد (frequency branch)، فتحلل الاهتزازات الرياضية للصورة لفهم ماهية الثلج فعلياً من حيث أنماطه العشوائية. ومن خلال الجمع بين هذين المنظورين، يمكن للحاسوب تحديد موقع الثلج وإزالته بدقة عالية. يعالج هذا النهج المزدوج خللاً رئيسياً في الأنظمة القديمة، التي كانت غالباً ما تخلط بين الثلج والأجسام البيضاء الأخرى لأنها كانت تنظر فقط إلى سطح الصورة. تتعلم الطريقة الجديدة التكيف مع الثلج كما تراه، بدلاً من الاعتماد على قواعد ثابتة قد تفشل عندما يتغير الطقس.

ولتدريب هذا النظام، استخدم الباحثون مجموعة كبيرة من الصور الثلجية وعلموا الحاسوب كيفية إعادة بناء المشاهد الواضحة المخفية تحتها. لقد صمموا نظام تسجيل خاصاً أثناء التدريب يكافئ الحاسوب ليس فقط لجعل الصورة تبدو واضحة، بل أيضاً للحفاظ على حواف الأجسام حادة وحقيقية. وعندما اختبروا نظامهم الجديد مقابل طرق رائدة أخرى، كانت النتائج واعدة. ففي مجموعة اختبار قياسية، حقق نظامهم درجة 31.60 ديسيبل (dB)، وهو مقيًاس لجودة الصورة أعلى من عدة نماذج متقدمة أخرى. والأهم من ذلك، أن الصور التي أنتجها بدت أكثر طبيعية، مع تحسن في الملمس ودقة الألوان، متجنبة المظهر الضبابي أو الناعم للغاية الذي غالباً ما يعيب أدوات إزالة الثلج الأخرى.

يشير الباحثون إلى أنه على الرغم من أن نظامهم فعال للغاية، إلا أنه ليس حلاً مثالياً لكل السيناريوهات الممكنة، لا سيما في حالات العواصف الثلجية الشديدة حيث تكون الرؤية شبه معدومة. كما يشيرون إلى أن العملية الرياضية المطلوبة لتحليل ترددات الصورة تتطلب بعض القدرة الحوسبية، مما قد يشكل تحدياً للأجهزة الصغيرة جداً. ومع ذلك، فإن عملهم يثبت أن النظر إلى الصورة من خلال عدسة أنماط التردد يوفر طريقة جديدة قوية لحل المشكلات القديمة. فمن خلال تعليم الحواسيب رؤية الهيكل الخفي للثلج، نجحوا في ابتكار أداة يمكنها مساعدة المركبات ذاتية القيادة وأنظمة المراقبة على الرؤية بوضوح، حتى عندما يكون العالم مغطى بالبياض.