ترجمه فارسی مقاله MobileMef: روش سریع و کارآمد برای همجوشی چند مواجهه

چکیده

Recent advances in camera design and imaging technology have enabled the capture of high-quality images using smartphones. However, due to the limited dynamic range of digital cameras, the quality of photographs captured in environments with highly imbalanced lighting often results in poor-quality images. To address this issue, most devices capture multi-exposure frames and then use some multi-exposure fusion method to merge those frames into a final fused image. Nevertheless, most traditional and current deep learning approaches are unsuitable for real-time applications on mobile devices due to their heavy computational and memory requirements. We propose a new method for multi-exposure fusion based on an encoder-decoder deep learning architecture with efficient building blocks tailored for mobile devices. This efficient design makes our model capable of processing 4K resolution images in less than 2 seconds on mid-range smartphones. Our method outperforms state-of-the-art techniques regarding full-reference quality measures and computational efficiency (runtime and memory usage), making it ideal for real-time applications on hardware-constrained devices. Our code is available at: https://github.com/LucasKirsten/MobileMEF.

چکیده به فارسی (ترجمه ماشینی)

پیشرفت های اخیر در طراحی دوربین و فناوری تصویربرداری ، ضبط تصاویر با کیفیت بالا با استفاده از تلفن های هوشمند را فراهم کرده است.با این حال ، با توجه به محدوده محدود دینامیکی دوربین های دیجیتال ، کیفیت عکس های ضبط شده در محیط هایی با نورپردازی بسیار نامتعادل اغلب منجر به تصاویر با کیفیت ضعیف می شود.برای پرداختن به این مسئله ، اکثر دستگاه ها فریم های چند مواجهه را ضبط می کنند و سپس از برخی از روش های فیوژن چند مواجهه برای ادغام آن قاب ها در یک تصویر ذوب شده نهایی استفاده می کنند.با این وجود ، بیشتر رویکردهای یادگیری عمیق سنتی و فعلی به دلیل نیازهای محاسباتی و حافظه سنگین ، برای برنامه های زمان واقعی در دستگاه های تلفن همراه نامناسب هستند.ما یک روش جدید برای همجوشی چند مواجهه بر اساس یک معماری یادگیری عمیق رمزگذار با بلوک های ساختمانی کارآمد متناسب با دستگاه های تلفن همراه پیشنهاد می کنیم.این طراحی کارآمد باعث می شود مدل ما قادر به پردازش تصاویر با وضوح 4K در کمتر از 2 ثانیه در تلفن های هوشمند میان رده باشد.روش ما از تکنیک های پیشرفته در مورد اقدامات کیفیت مرجع کامل و کارآیی محاسباتی (زمان اجرا و استفاده از حافظه) بهتر عمل می کند ، و آن را برای برنامه های زمان واقعی در دستگاه های محدود شده سخت افزار ایده آل می کند.کد ما در: https://github.com/lucaskirsten/mobilemef در دسترس است.