PixRestore خدام

PixRestore هو نموذج موحّد لإصلاح الصور، طوّراتو جامعة هونغ كونغ المتعددة التخصصات بالتعاون مع معهد أبحاث OPPO. كيستعمل النموذج Diffusion Transformer ففضاء البكسلات باش يدير flow matching مباشرة على مستوى البكسلات، وكيجنب ضياع التفاصيل. ومن خلال توجيه تكيفي لخصائص الطبقات مدفوع بـ DINO، كيقدر هاد النموذج الخفيف، اللي فيه غير 53.7M معلومة، يعالج بكفاءة 8 أنواع ديال تدهور الصور، بحال رفع الدقة، إزالة الضجيج، إزالة الضبابية، إزالة المطر وإزالة الضباب. والاستدلال فخطوة وحدة كياخذ غير 44 ميلي ثانية، وكيحقق مستوى متقدم فالدقة والفعالية.

رفع الدقة: كيحوّل الصور منخفضة الدقة لصور عالية الدقة وغنية بالتفاصيل.
إزالة ضجيج الصور: كيحيد حبيبات الضجيج العشوائي من الصورة وكيسترجع النسيج النقي.
إزالة الضبابية الناتجة عن الحركة: كيحيد الضبابية اللي كتسبب فيها الحركة أو عدم التركيز، وكيسترجع الحواف الحادة.
إزالة خطوط المطر: كيحيد التشويش اللي كتسببو خطوط المطر الكثيفة وكيسترجع محتوى الخلفية.
إزالة قطرات المطر: كيحيد قطرات المطر اللي كتحجب الرؤية فوق الزجاج أو العدسة، وكيسترجع رؤية واضحة.
إزالة الضباب من الصور: كيفرّق الضبابية الناتجة عن الضباب الجوي، وكيحسن شفافية الصورة وألوانها.
إزالة الثلج: كيحيد نقط الثلج من الصورة وكيسترجع الشكل الأصلي للمشهد.
تحسين الإضاءة الضعيفة: كيرفع السطوع والتفاصيل فالأماكن قليلة الضوء، وكيحسن وضوح الصورة.

تابعونا فـ WeChat وردّو بكلمة «开源» باش تنضمو لمجموعة تبادل مشاريع الذكاء الاصطناعي مفتوحة المصدر
Diffusion Transformer ففضاء البكسلات: PixRestore كينفذ flow matching مباشرة على مستوى البكسلات، وكيستغنى بالكامل على مشفّر VAE، وبهاد الطريقة كيتجنب ضياع التفاصيل عالية التردد والآثار الاصطناعية الناتجة عن ضغط الفضاء الكامن. وكيتحرر حتى من الاعتماد على نماذج T2I المدرّبة مسبقاً، باش تبقى نتائج الإصلاح مطابقة للمحتوى الأصلي بدرجة كبيرة.
التوجيه التكيفي لخصائص الطبقات: كيستعمل النموذج تشابه خصائص DINO بين صور LQ وHQ باش يقيّم ديناميكياً مدى موثوقية خصائص كل طبقة من طبقات المشفّر البصري. كيدمج الطبقات الموثوقة فشرط كثيف كيتحقن فـ DiT، بينما كيطبّق إشرافاً أقوى لخصائص الجودة العالية على الطبقات غير الموثوقة، وبهذا كيحيد مختلف أنواع التدهور بطريقة تكيفية.
استدلال فعّال فخطوة وحدة: من بعد التدريب الكامل، كيضبط PixRestore راسو أكثر كمولّد فخطوة وحدة باستعمال هدف خصومي مبني على DINO. وبـ 53.7M معلومة فقط، كيقدر يكمل الاستدلال فـ 44ms، وكيحقق أحسن توازن بين مطابقة المحتوى، الجودة الإدراكية وفعالية الحساب.

إعداد البيئة: كلون مستودع PixRestore من GitHub وثبّت الاعتماديات المطلوبة.
الحصول على النموذج: نزّل ملفات أوزان النموذج المدرّب مسبقاً من Hugging Face.
تحضير الصور: وجد الصور منخفضة الجودة اللي بغيتي تصلحها؛ كيدعم 8 أنواع ديال التدهور، بحال رفع الدقة وإزالة الضجيج والضبابية.
تنفيذ الاستدلال: شغّل سكريبت الاستدلال؛ النموذج كيدير افتراضياً الاستدلال فخطوة وحدة، وكيخرج النتيجة تقريباً فـ 44ms.
حفظ النتائج: خذ صور الإصلاح عالية الجودة وحفظها باش تستعملها مباشرة فالتطبيقات اللاحقة.

مطابقة على مستوى البكسلات: كيدير نمذجة الانتشار مباشرة ففضاء البكسلات، وكيمنع نهائياً ضياع التفاصيل عالية التردد والآثار الاصطناعية الناتجة عن ترميز VAE.
خفيف وفعّال بزاف: فيه غير 53.7M معلومة، والاستدلال فخطوة وحدة كياخذ 44 ميلي ثانية فقط، بتكلفة حسابية أقل بزاف من حلول الإصلاح المعتمدة على الانتشار الكامن.
تغطية موحّدة لعدة مهام: نموذج واحد كيقدر يعالج 8 أنواع ديال التدهور، بحال رفع الدقة، إزالة الضجيج والضبابية والمطر والضباب والثلج، وتحسين الإضاءة الضعيفة.
إدراك تكيفي للتدهور: كيقيّم موثوقية كل طبقة ديناميكياً باستعمال تشابه خصائص DINO، وكيحقق توازناً ذكياً بين إزالة التدهور والحفاظ على التفاصيل.
منهج تدريب مستقل: ماكيحتاجش لأي نموذج نص-إلى-صورة مدرّب مسبقاً، وكيتدرّب بالكامل من الصفر، وكيجنب انحياز المحتوى اللي كيقدر يجي من الأولويات التوليدية.
أداء متقدم بشكل شامل: فالمعايير المنشورة ومجموعات اختبار العالم الحقيقي، كيتفوق فمطابقة المحتوى والجودة الإدراكية وقدرة إزالة التدهور على نماذج الإصلاح الموحّدة الحالية.

الموقع الرسمي للمشروع: https://csslc.github.io/pixrestore-page
مستودع GitHub: https://github.com/csslc/PixRestore
مستودع النموذج على HuggingFace: https://huggingface.co/VCLab-PolyU/PixRestore
البحث التقني على arXiv: https://arxiv.org/pdf/2608.16793

تحسين التصوير الفوري فالهواتف: بزمن استجابة منخفض بزاف كيوصل لـ 44ms، كيصلح فالحين نقط الضجيج فالليل، وضبابية الحركة وقطرات المطر فوق أجهزة محمولة بحال OPPO، وكيحسن جودة الصور.
الرؤية فالسياقة الذاتية والدرونات: فالظروف الجوية الصعبة بحال المطر والضباب والثلج، كيحيد تدهور الصور بشكل موحّد، وكيسترجع تفاصيل علامات الطريق والعوائق، وكيقوي موثوقية أنظمة الإدراك.
إصلاح جودة فيديوهات المراقبة: كيعالج تسجيلات المراقبة القديمة أو منخفضة معدل البت برفع الدقة وإزالة الضجيج، وكيسترجع معلومات مهمة بحال الوجوه ولوحات السيارات، وكيعاون فالأدلة الأمنية.
رقمنة الصور القديمة والأرشيف التاريخي: كيصلح بشكل موحّد مشاكل البهتان والخدوش وبقع العفن والإضاءة الضعيفة، وكيحوّل الصور التاريخية الثمينة لأرشيفات رقمية عالية المطابقة بكفاءة.
تحسين الصور الطبية: كيرفع جودة التصوير ديال المناظير والمجاهر فالإضاءة الضعيفة، وكيحيد الضجيج والضبابية، وكيعاون الأطباء يشوفو تفاصيل الآفات بوضوح أكثر.