⚡ electrical engineering

Physical prior guided cooperative learning framework for joint turbulence degradation estimation and infrared video restoration

यह शोध पत्र फिजिकल प्रायर गाइडेड कोऑपरेटिव लर्निंग (P2GCL) फ्रेमवर्क का प्रस्ताव करता है, जो वायुमंडलीय विक्षोभ की शक्ति (turbulence strength) का अनुमान लगाने और इन्फ्रारेड वीडियो अनुक्रमों को पुनर्स्थापित करने में एक साथ अत्याधुनिक प्रदर्शन प्राप्त करने के लिए भौतिक बाधाओं द्वारा निर्देशित एक टर्बुलेंस मेजरमेंट नेटवर्क और एक रेस्टोरेशन नेटवर्क के बीच एक चक्रीय सहयोग का उपयोग करता है।

मूल लेखक: Ziran Zhang, Yuhang Tang, Zhigang Wang, Yueting Chen, Bin Zhao

प्रकाशित 2026-07-31

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Ziran Zhang, Yuhang Tang, Zhigang Wang, Yueting Chen, Bin Zhao

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक दूर स्थित पहाड़ की स्पष्ट तस्वीर लेने की कोशिश कर रहे हैं, लेकिन आपके और शिखर के बीच की हवा गर्मियों में सड़क पर दिखने वाली तपती गर्मी की तरह झिलमिला रही है। इस झिलमिलाहट को "वायुमंडलीय विक्षोभ" (atmospheric turbulence) कहा जाता है। यह इसलिए होता है क्योंकि अलग-अलग तापमान वाली हवा की जेबें आपस में मिलती हैं, जिससे प्रकाश अराजक तरीके से मुड़ने लगता है। इन्फ्रारेड कैमरों के लिए—जो दृश्य प्रकाश के बजाय गर्मी देखते हैं—यह प्रभाव एक लहरदार, विकृत खिड़की से देखने जैसा है। यह गर्म वस्तुओं को धुंधला, डगमगाता हुआ और मापने में कठिन बना देता है। वैज्ञानिकों और इंजीनियरों को मौसम के पैटर्न को ट्रैक करने से लेकर औद्योगिक उपकरणों की निगरानी करने तक सब कुछ करने के लिए स्पष्ट छवियों और विक्षोभ की ताकत के सटीक मापन की आवश्यकता होती है। सबसे बड़ी चुनौती हमेशा एक 'कैच-22' (एक ऐसी स्थिति जहाँ समाधान कठिन हो) रही है: धुंधली छवि को ठीक करने के लिए, आपको यह जानने की आवश्यकता है कि विक्षोभ की ताकत कितनी है; लेकिन विक्षोभ को सटीक रूप से मापने के लिए, आपको शुरुआत में एक स्पष्ट छवि की आवश्यकता होती है। यह एक क्लासिक "मुर्गी और अंडे" वाली समस्या है जहाँ दोनों पक्ष कीचड़ में फंसे हुए हैं।

यह शोध पत्र इस गतिरोध को हल करने के लिए एक चतुर नई टीम-अप, फिजिकल प्रायर गाइडेड कोऑपरेटिव लर्निंग (P2GCL) फ्रेमवर्क पेश करता है। इसे एक ही मामले पर काम करने वाले दो जासूसों के रूप में समझें, लेकिन वे एक-दूसरे को स्मार्ट बनाने के लिए बारी-बारी से मदद करते हैं। एक जासूस, जिसका नाम TMNet है, "विक्षोभ की ताकत" (विशेष रूप से अपवर्तनांक संरचना स्थिरांक, या $C_n^2$ नामक मान) को मापने में विशेषज्ञ है। दूसरा जासूस, TRNet, धुंधले इन्फ्रारेड वीडियो को साफ करने में माहिर है।

यहाँ उनका गुप्त हाथ मिलाने का तरीका (secret handshake) काम करता है: सबसे पहले, TMNet एक धुंधले वीडियो को लेता है और विक्षोभ की ताकत ( $C_n^2$ ) का अनुमान लगाता है। वह इस नंबर को एक गुप्त सुराग की तरह TRNet को सौंप देता है। TRNet इस सुराग का उपयोग वीडियो को ठीक करने के लिए करता है, जिससे छवि बहुत स्पष्ट हो जाती है। लेकिन वहीं रुकने के बजाय, TRNet इस नए, बेहतर तरीके से बहाल किए गए, स्पष्ट वीडियो को वापस TMNet को भेज देता है। क्योंकि अब छवि कम विकृत है, TMNet बहुत अधिक सटीकता के साथ विक्षोभ की ताकत को फिर से माप सकता है। वे इस चक्र के माध्यम से बार-बार चलते रहते हैं, लगातार एक-दूसरे के काम को परिष्कृत करते हैं।

यह सुनिश्चित करने के लिए कि वे केवल अंधाधुंध अनुमान नहीं लगा रहे हैं, शोधकर्ताओं ने उन्हें वास्तविक दुनिया के भौतिकी पर आधारित एक सख्त नियम पुस्तिका दी। उन्होंने विशेष "लॉस फंक्शन्स" (जो कंप्यूटर के लिए स्कोरकार्ड की तरह हैं) बनाए जो यह जांचते हैं कि क्या परिणाम प्रकृति के नियमों से मेल खाते हैं। एक स्कोरकार्ड, $C_n^2$ -गाइडेड फ्रीक्वेंसी लॉस, यह सुनिश्चित करता है कि बहाल किया गया वीडियो तरंग पैटर्न के संदर्भ में सही दिखे, जबकि दूसरा फिजिकल कंस्ट्रेंट लॉस पूरी प्रक्रिया को वैज्ञानिक वास्तविकता के आधार पर रखता है।

इस सहयोगात्मक नृत्य के परिणाम काफी उत्साहजनक हैं। अपने परीक्षणों में, इस दो-मॉडल टीम ने पिछले तरीकों से बेहतर प्रदर्शन किया। विक्षोभ की ताकत मापने के लिए, उन्होंने सटीकता (Mean Absolute Error द्वारा मापी गई) में 0.0156 का सुधार किया और सहसंबंध स्कोर ( $R^2$ ) को 0.1065 से बढ़ाया। छवियों को साफ करने के मामले में, बहाल किए गए वीडियो अधिक स्पष्ट हो गए, जिसमें गुणवत्ता स्कोर (PSNR) 0.2775 dB बढ़ गया। भौतिकी के नियमों का पालन करते हुए एक-दूसरे को सिखाकर, यह शोध पत्र सुझाव देता है कि हम पहले से कहीं बेहतर माप और स्पष्ट चित्र दोनों प्राप्त कर सकते हैं।

तकनीकी सारांश: संयुक्त विक्षोभ क्षरण अनुमान और इन्फ्रारेड वीडियो बहाली के लिए भौतिक पूर्ववर्ती निर्देशित सहकारी शिक्षण ढांचा

समस्या विवरण
वायुमंडलीय विक्षोभ (Atmospheric turbulence) इन्फ्रारेड इमेजिंग की गुणवत्ता को महत्वपूर्ण रूप से खराब कर देता है, जिससे धुंधली और विकृत वीडियो अनुक्रम (sequences) उत्पन्न होते हैं। यह क्षरण उच्च-निष्ठा (high-fidelity) वाले इन्फ्रारेड डेटा की आवश्यकता वाले अनुप्रयोगों के लिए एक गंभीर चुनौती पेश करता है। इसके अलावा, विक्षोभ की शक्ति, विशेष रूप से अपवर्तनांक संरचना स्थिरांक ( $C_n^2$ ), को सटीक रूप से मापना विक्षोभ के इन विरूपणों को समझने के लिए आवश्यक है, लेकिन वायुमंडलीय प्रभावों की जटिल और गैर-रेखीय प्रकृति के कारण यह कठिन बना हुआ है। मौजूदा दृष्टिकोण अक्सर विक्षोभ अनुमान और इमेज रेस्टोरेशन (छवि बहाली) को अलग-अलग कार्यों के रूप में देखते हैं, जो उनके बीच के अंतर्निहित भौतिक संबंध का लाभ उठाने में विफल रहते हैं। एक ऐसे एकीकृत ढांचे की आवश्यकता है जो विक्षोभ अनुमान और इन्फ्रारेड वीडियो गुणवत्ता की बहाली को उनकी पारस्परिक निर्भरता का उपयोग करके एक साथ हल कर सके।

कार्यप्रणाली
यह शोध पत्र फिजिकल प्रायर गाइडेड कोऑपरेटिव लर्निंग (P2GCL) ढांचे का प्रस्ताव करता है, जो विक्षोभ अनुमान और इन्फ्रारेड इमेज रेस्टोरेशन की संयुक्त समस्या को हल करने के लिए दो विशिष्ट डीप लर्निंग मॉडलों के बीच एक चक्रीय सहयोग स्थापित करता है।

दोहरी-मॉडल वास्तुकला (Dual-Model Architecture):
- TMNet (टर्बुलेंस मेजरमेंट नेटवर्क): यह नेटवर्क विक्षोभ की शक्ति मापने के लिए जिम्मेदार है। यह इनपुट के रूप में क्षयित (degraded) इन्फ्रारेड इमेज अनुक्रमों को लेता है और अपवर्तनांक संरचना स्थिरांक ( $C_n^2$ ) आउटपुट के रूप में देता है। आउटपुट $C_n^2$ एक भौतिक पूर्ववर्ती (physical prior) के रूप में कार्य करता है।
- TRNet (टर्बुलेंस रेस्टोरेशन नेटवर्क): यह नेटवर्क इन्फ्रारेड इमेज अनुक्रम की बहाली के मार्गदर्शन के लिए TMNet द्वारा प्रदान किए गए $C_n^2$ मान का उपयोग एक भौतिक बाधा (physical constraint) के रूप में करता है।
सहकारी शिक्षण तंत्र (Cooperative Learning Mechanism):
यह ढांचा एक चक्रीय फीडबैक लूप पर कार्य करता है। TMNet, बहाली में सहायता के लिए TRNet को $C_n^2$ भौतिक पूर्ववर्ती प्रदान करता है। बदले में, TRNet बहाल की गई छवियां आउटपुट करता है, जिन्हें TMNet में वापस फीड किया जाता है। यह फीडबैक तंत्र TMNet की मापन सटीकता को बढ़ाने के लिए डिज़ाइन किया गया है, जिससे एक सहक्रियात्मक प्रभाव (synergistic effect) पैदा होता है जहाँ बेहतर बहाली बेहतर अनुमान की ओर ले जाती है, और बेहतर अनुमान बेहतर बहाली की ओर ले जाता है।
लॉस फंक्शन्स और भौतिक बाधाएं (Loss Functions and Physical Constraints):
यह सुनिश्चित करने के लिए कि मॉडल केवल सांख्यिकीय पैटर्न के बजाय भौतिक नियमों का पालन करें, प्रशिक्षण प्रक्रिया में विशिष्ट लॉस फंक्शन्स को शामिल किया गया है:
- $C_n^2$ -गाइडेड फ्रीक्वेंसी लॉस: विक्षोभ शक्ति ( $C_n^2$ ) द्वारा निर्धारित आवृत्ति विशेषताओं के साथ बहाली प्रक्रिया को संरेखित करने के लिए पेश किया गया एक नवीन लॉस फंक्शन।
- फिजिकल कंस्ट्रेंट लॉस: यह लॉस फंक्शन विक्षोभ क्षरण के संबंध में भौतिक सिद्धांतों के साथ निरंतरता को लागू करता है, जिससे यह सुनिश्चित होता है कि सीखे गए निरूपण (representations) भौतिक रूप से तर्कसंगत बने रहें।

प्रमुख योगदान

संयुक्त ढांचा (Joint Framework): P2GCL का परिचय, जो एक चक्रीय सहकारी शिक्षण रणनीति के माध्यम से विक्षोभ शक्ति अनुमान और इन्फ्रारेड इमेज रेस्टोरेशन को एकीकृत करने वाला एक नवीन ढांचा है।
भौतिक पूर्ववर्ती एकीकरण (Physical Prior Integration): अपवर्तनांक संरचना स्थिरांक ( $C_n^2$ ) का न केवल एक आउटपुट मीट्रिक के रूप में, बल्कि इमेज रेस्टोरेशन प्रक्रिया को निर्देशित करने वाले एक सक्रिय भौतिक पूर्ववर्ती के रूप में प्रभावी उपयोग।
फीडबैक लूप (Feedback Loop): एक द्विदिश (bidirectional) फीडबैक तंत्र का डिज़ाइन जहाँ बहाल की गई छवियां विक्षोभ अनुमान को परिष्कृत करती हैं, और अनुमानित विक्षोभ पैरामीटर इमेज रेस्टोरेशन को परिष्कृत करते हैं।
फिजिक्स-इन्फॉर्म्ड ट्रेनिंग (Physics-Informed Training): एक $C_n^2$ -गाइडेड फ्रीक्वेंसी लॉस और एक फिजिकल कंस्ट्रेंट लॉस का विकास जो डीप लर्निंग मॉडलों को वायुमंडलीय भौतिकी में स्थापित करता है।

प्रायोगिक परिणाम
मौजूदा विधियों के विरुद्ध P2GCL के प्रदर्शन को मान्य करने के लिए व्यापक प्रयोग किए गए। परिणाम प्रदर्शित करते हैं कि यह ढांचा दोनों कार्यों में अत्याधुनिक (state-of-the-art) प्रदर्शन प्राप्त करता है:

विक्षोभ शक्ति अनुमान: ढांचे ने $C_n^2$ अनुमान के लिए मीन एब्सोल्यूट एरर (MAE) में 0.0156 का सुधार किया और कोएफिशिएंट ऑफ डिटरमिनेशन ( $R^2$ ) में 0.1065 की वृद्धि की।
इमेज रेस्टोरेशन: ढांचे ने पीक सिग्नल-टू-नॉइज़ रेशियो (PSNR) में 0.2775 dB का सुधार किया।

महत्व
यह शोध पत्र दावा करता है कि ये परिणाम भौतिक पूर्ववर्ती-निर्देशित सहकारी शिक्षण के महत्वपूर्ण प्रभाव को मान्य करते हैं। भौतिक सिद्धांतों को सीधे लर्निंग लूप में एकीकृत करके, P2GCL ढांचा सटीक विक्षोभ मापन और उच्च-गुणवत्ता वाली इमेज रेस्टोरेशन के बीच के अंतर को सफलतापूर्वक पाटता है। यह कार्य सुझाव देता है कि इन दोनों कार्यों को अलग-अलग समस्याओं के बजाय परस्पर निर्भर समस्याओं के रूप में देखने और उन्हें भौतिक बाधाओं में स्थापित करने से वायुमंडलीय विक्षोभ के तहत संचालित होने वाले इन्फ्रारेड इमेजिंग सिस्टम के लिए बेहतर प्रदर्शन प्राप्त होता है।

इसी तरह के और पेपर