Н. Б. Аль-Казир, А. А. Абгарян, М. С. Ярыкина, С. А. Гладилин, Д. П. Николаев, И. П. Николаев

Адаптация нейросетевых моделей: от неслепой деконволюции к предкомпенсации размытия изображений

В данной работе рассматривается задача предварительной компенсации изображений для коррекции рефракционных ошибок человеческого глаза без использования очков. Существующие персонализированные методы предварительной компенсации основаны на классической деконволюции с регуляризацией и/или тоновым отображением, которые либо создают артефакты, либо приводят к потере контраста. В данной статье предлагается адаптировать нейросетевые модели с двойным входом, предназначенные для устранения размытия изображений, к задаче персонализированной предкомпенсации. Комплексное тестирование на наборе данных SCA-2023 демонстрирует, что адаптированные архитектуры USRNet-PC и DWDN-PC превосходят существующие методы предкомпенсации как по визуальному качеству (измеренному с помощью MS-SSIM), так и по вычислительной эффективности.

КЛЮЧЕВЫЕ СЛОВА: предкомпенсация изображений, нарушения зрения, аномалии рефракции, глубокое обучение, деконволюция.