حذف نويز در انتقال محتواي تصوير به تصوير با استفاده از شبكه مولدتخاصمي مبتني بر تبديل موجك

يكي از چالش برانگيزترين موضوعات در هوش مصنوعي انتقال محتواي تصوير به تصوير است، كه اخيراً با استفاده از شبكه‌هاي مولدتخاصمي پيشرفت چشمگيري نموده است. بااين‌حال، روش‌هاي موجود در انتقال محتواي منبع نويزي به دامنه هدف به صورت سر‌به‌سر شكست مي‌خورند. براي رفع اين مشكل، در اين مقاله شبكه WTGAN پيشنهاد شده كه شامل مولد جديد، جداكننده محلي و سراسري است كه شبكه مولد آن بر اساس تبديل موجك و ماژول توجه طراحي شده است. از آنجا كه تبديل موجك ابزاري قدرتمند جهت حذف نويز عمومي از تصوير است، در ساختار مولد از آن استفاده شده است. همچنين با استفاده از مكانيزم توجه، اتصالات باقيمانده و كنارگذر تناظر بهتر محتوا بين تصوير منبع و هدف به وجود آمده و به بهبود توانايي مولد و عملكرد آن كمك مي‌نمايد. در اين مقاله با استفاده از توابع اتلاف معرفي شده در روش‌هاي ديگر به قدرتمندي مدل در جهت انتقال محتواي تصوير توأمان با حذف نويز پرداخته شده است. آزمايش‌هاي انجام شده بر روي مجموعه داده Cityscapes با استفاده از معيارهاي ارزيابي PSNR، SSIM و LPIPS نشان دهنده اين است كه مدل مي‌تواند به خوبي اثرات نويز در منبع را كاهش داده، ساختار را به خوبي حفظ نموده و به كيفيت مطلوب دست يابد.