ডিনোইসিং এবং ডিব্লারিং নেটওয়ার্ক

ডিনোইসিং এবং ডিব্লারিং নেটওয়ার্কগুলি হল নিউরাল মডেল যা গোলমাল বা অস্পষ্ট ছবিগুলিকে পরিষ্কার করে, অগোছালো ইনপুটগুলি থেকে তীক্ষ্ণ বিবরণ পুনরুদ্ধার করে৷ তারা গুরুত্বপূর্ণ কারণ প্রায় প্রতিটি ক্যামেরা, ফোন এবং মেডিকেল স্ক্যানার অসম্পূর্ণ চিত্র তৈরি করে যা এই নেটওয়ার্কগুলি উদ্ধার করতে পারে।

DnCNN অবশিষ্ট শিক্ষা ব্যবহার করে, গোলমালের ভবিষ্যদ্বাণী করে যাতে এটি বিয়োগ করা যায়, যা সম্পূর্ণ পরিষ্কার চিত্র পুনর্গঠনের চেয়ে সহজ।

অন্ধ অস্পষ্টতার ক্ষেত্রে নেটওয়ার্কটিকে অবশ্যই অজানা ব্লার কার্নেল এবং তীক্ষ্ণ চিত্র উভয়ই একবারে অনুমান করতে হবে, এটিকে একটি অসুস্থ সমস্যা তৈরি করে।

গবেষকরা সিমুলেটেড আওয়াজ বা অস্পষ্টতার মাধ্যমে পরিষ্কার চিত্রগুলিকে অবনমিত করে যাতে নেটওয়ার্কের কাছ থেকে শেখার জন্য সঠিক পরিষ্কার লক্ষ্য থাকে৷

U-Net শৈলীর এনকোডার-ডিকোডারগুলি সংকুচিত করে তারপরে বিশদ সংরক্ষণ করে এমন সংযোগগুলিকে বাদ দিয়ে চিত্রটিকে পুনর্গঠন করে, যা পুনরুদ্ধারের জন্য জনপ্রিয় করে তোলে।

Noise2Noise দেখায় যে আপনি জোড়া গোলমাল ইমেজ ব্যবহার করে একটি ডিনোইজারকে প্রশিক্ষণ দিতে পারেন, যেহেতু নেটওয়ার্ক প্রত্যাশা অনুযায়ী অন্তর্নিহিত পরিষ্কার সংকেত শেখে।