تقنية DiffHDR الجديدة تعيد تعريف كيفية تحويل الفيديوهات منخفضة المدى الديناميكي إلى عالية الجودة. فريق من 14 باحثاً بقيادة Zhengming Yu طور هذا النهج الذي يعامل المشكلة كمهمة “رسم توليدي للإضاءة” بدلاً من محاولات الاسترداد التقليدية.
المشكلة الأساسية أن الفيديوهات الرقمية المخزنة بصيغة 8-bit LDR تفقد تفاصيل ضخمة من الإضاءة الأصلية عبر التشبع والتكميم. هذا يمنع عرضها بشكل دقيق على شاشات HDR ويحد من إمكانيات إعادة التعرض في مرحلة ما بعد الإنتاج.
يعمل DiffHDR في فضاء ألوان Log-Gamma ويستغل المعرفة المسبقة المكانية-الزمنية من نموذج انتشار فيديو مدرب مسبقاً لتوليد إضاءة HDR محتملة في المناطق المفرطة التعرض والمناطق المظلمة مع استرداد الإضاءة المستمرة للبيكسلات المكممة.
- إعداد النموذج في فضاء Log-Gamma: تحويل الفيديو LDR إلى فضاء لوني متخصص يحافظ على المعلومات الأساسية للإضاءة
- تطبيق نموذج الانتشار: استخدام نموذج انتشار فيديو مدرب مسبقاً لتوليد تفاصيل الإضاءة المفقودة
- رسم الإضاءة التوليدي: ملء المناطق المفرطة التعرض والمظلمة بإضاءة واقعية محتملة
- التحكم الموجه: استخدام النص أو الصور المرجعية لتوجيه النتيجة النهائية حسب الرؤية الإبداعية
- الاستقرار الزمني: ضمان الثبات عبر إطارات الفيديو لتجنب التذبذب
- إخراج HDR نهائي: تصدير فيديو بمدى ديناميكي عالي قابل للتعرض المرن
التحدي الكبير كان نقص بيانات التدريب المقترنة HDR. حل الفريق هذا بتطوير خط أنابيب يصنع بيانات تدريب HDR عالية الجودة من خرائط HDRI الثابتة، مما يسمح بتدريب النموذج على بيانات كافية رغم ندرة الفيديوهات HDR الحقيقية.
التجارب أظهرت تفوق DiffHDR بشكل كبير على أحدث الأساليب في دقة الإضاءة والاستقرار الزمني. أهم ما يميزه أنه ينتج فيديوهات HDR واقعية مع هامش واسع لإعادة التعرض – ميزة حاسمة لمحرري الفيديو والمصورين السينمائيين.
القيود الحالية تشمل الحاجة لقوة حاسوبية عالية لتشغيل نماذج الانتشار، والاعتماد على جودة النموذج المدرب مسبقاً. مع ذلك، هذا التطوير يفتح المجال أمام محترفي الفيديو في السعودية والإمارات ومصر لتحسين محتواهم المرئي دون استثمارات ضخمة في معدات HDR جديدة.
