لا تزال الإضاءة المنخفضة من أكثر الأسباب شيوعًا لرداءة صور الهواتف الذكية ليلًا؛ فحتى مع الأجهزة الرائدة، تظهر المشاهد غالبًا بتشويش واضح، وتفاصيل أقل، وألوان أقل دقة، لأن الكاميرا تلتقط معلومات محدودة في الظلام ثم يتعين على معالجات الهاتف “تخمين” ما يمكن استعادته.
وفي خطوة بحثية تهدف إلى تجاوز هذا القيد، طوّر باحثون من جامعة ووهان الصينية نظامًا جديدًا قائمًا على الذكاء الاصطناعي يُسمى LL-Refiner. يركز النظام على تحسين الصور الليلية بطريقة مختلفة عن الأساليب التقليدية التي تحاول معالجة الصورة دفعة واحدة، عبر تقسيم العملية إلى مرحلتين متكاملتين تقللان التشوهات وتحافظان على التفاصيل.
## كيف يعمل LL-Refiner؟
يعتمد النظام على معالجة تدريجية للصورة، بدلًا من إعادة بناء كل شيء في خطوة واحدة. وتتضمن العملية مرحلتين رئيسيتين:
### 1) مرحلة تنقية الصورة منخفضة الدقة باستخدام Transformer
في المرحلة الأولى، يستخدم LL-Refiner شبكة عصبية مبنية على نموذج Transformer لتحسين نسخة منخفضة الدقة من الصورة. تركز هذه الخطوة على “المعالم العامة” مثل:
– توزيع الإضاءة في المشهد
– ألوان الصورة وتوازنها النسبي
– البنية العامة للمشهد (الهيكل والأشكال الكبرى)
الفكرة هنا أن فهم الصورة على مستوى شامل أولًا يساعد النظام على بناء تحسينات أدق في الخطوة التالية، بدلًا من محاولة تفصيل التفاصيل الدقيقة منذ البداية.
### 2) مرحلة استعادة التفاصيل الدقيقة عبر شبكة تحسين تكيفية
بعد ذلك، تنتقل الصورة إلى المرحلة الثانية، حيث تُستخدم شبكة تحسين تكيفية لاستعادة التفاصيل تدريجيًا. هذه المرحلة تستهدف ما يكون عادةً “الأكثر ضياعًا” في التصوير الليلي، مثل:
– الحواف والحدود الدقيقة بين العناصر
– القوام والأنسجة (مثل ملامح الأسطح أو نسيج الملابس)
– الأنماط والعناصر الصغيرة التي تتأثر بالتشويش
وبمرور العملية، تصل الصورة تدريجيًا إلى مستوى أعلى من الدقة والاتساق البصري.
## لماذا هذا الأسلوب مهم؟
إحدى مزايا LL-Refiner أنه يهدف إلى تقليل العبء الحسابي المطلوب لمعالجة صور عالية الدقة، مقارنةً بأساليب قد تحاول “رفع الجودة” بشكل شامل من البداية. كما يسعى النظام إلى موازنة التحسين مع الحفاظ على المظهر الطبيعي للصورة؛ لأن زيادة السطوع أو تطبيق معالجة قوية قد تؤدي أحيانًا إلى مظهر مبالغ فيه أو فقدان للملمس الحقيقي.
## النتائج: ليس فقط صورًا “أحسن”، بل فهمًا أفضل للمشهد
لم يكتفِ الباحثون باختبار النظام على صور تبدو أفضل بصريًا، بل اختبروا أيضًا تأثير التحسين على مهمة أخرى أكثر تعقيدًا: تقدير عمق المشهد.
في التجارب، تم استخدام الصور المحسنة بواسطة LL-Refiner لتقدير العمق، وأظهرت النتائج أن التحسين ساعد على إنتاج تقديرات أدق للعمق. وهذا يعني أن النظام لا يحسن الصورة من ناحية الشكل فحسب، بل قد يحافظ على المعلومات البصرية التي تحتاجها الخوارزميات لفهم المسافات والعلاقات بين عناصر المشهد.
وتبرز أهمية ذلك في تطبيقات مستقبلية مثل:
– الروبوتات التي تعتمد على الرؤية لتفادي العوائق
– أنظمة الملاحة الذاتية التي تتطلب تقديرًا موثوقًا للبيئة
– منصات الواقع المعزز التي تحتاج تفاصيل دقيقة حتى في ظروف الإضاءة الصعبة
## هل سيصل LL-Refiner إلى الهواتف قريبًا؟
رغم أن الفكرة واعدة، فإن النظام ما يزال في نطاق البحث العلمي وتجارب النمذجة، وليس ميزة تجارية جاهزة للهواتف الذكية في الوقت الحالي.
ومع ذلك، يسلط البحث الضوء على اتجاه مهم في تطوير كاميرات الهواتف: زيادة عدد الميجابكسلات أو حجم المستشعر وحدها لا تكفي لمعالجة مشكلة الظلام بالكامل. الحل الأقرب قد يكون في دمج الذكاء الاصطناعي بشكل أعمق داخل سلسلة المعالجة، بحيث يعيد بناء التفاصيل المفقودة ويُحسن الصورة مع الحفاظ على طبيعتها—بدلًا من الاكتفاء برفع السطوع أو تقليل التشويش فقط.
وبذلك قد يتحول “ذكاء معالجة الصورة” إلى عنصر أساسي في كاميرا الهاتف، حيث يلتقط الجهاز البيانات في ظروف صعبة، ثم يقوم النظام باسترجاع ما فُقد بطريقة أكثر واقعية ودقة، خصوصًا في الحواف والأنسجة وتباين المشهد.
## خلاصة سريعة
LL-Refiner يقدم نهجًا مرحليًا لتحسين الصور الليلية: فهم شامل أولًا عبر Transformer، ثم استعادة التفاصيل بدقة تدريجية. والنتائج لا تقتصر على تحسين الشكل، بل تمتد لتحسين تقدير العمق، ما يجعله خطوة مفيدة نحو رؤية أفضل للآلات في الليل، مع بقاء مسألة دمجه في الهواتف التجارية رهينة بتطور الأبحاث والمواءمة التقنية مع قيود الأجهزة.
التعليقات