في عالم تحرير الصور، شهدنا تطورات هائلة بفضل النماذج الجديدة التي تجمع بين الرؤية واللغة، وهي نماذج تُعيد صياغة مفهوم الرؤية الآلية بطرق لم نكن نتخيلها سابقاً. في هذا السياق، تناولت دراسة جديدة مسألة إزالة الظلال، التي تعتبر إحدى المشاكل الأساسية في تحويل الصور. لطالما شكلت هذه الظلال تحدياً، حيث ترتبط بالكثير من العوامل مثل هندسة المشهد، والإضاءة، والمواد المستخدمة، مما يجعل جمع بيانات الظلال والبيانات الخالية منها أمرًا صعبًا على نطاق واسع.

أظهرت النتائج أن محرر الصور التجاري المستخدم بشكل مباشر يمكنه إنتاج تعديلات نظيفة خالية من الظلال، مع الحفاظ على نسيج السطح والمظهر المحلي للصور. ومع ذلك، فإن استخدام هذا المحرر يرافقه وضع فشل جديد، حيث يمكن أن يُعيد إنشاء محتوى المشهد، أو يحلل الظل بشكل خاطئ كونه مادة أو هيكل، مما ينتج عنه تعديلات تبدو مقبولة لكن تكون غير صحيحة من منظور فيزيائي.

للتغلب على هذه المشكلة، تم تطوير خط أنابيب لاختيار المرشحين يعتمد على مفهوم الوكالة، حيث يقوم المحرر بتوليد استقصاء مُوجَّه، ويقوم المُقيّم ب screening للعيوب الكبيرة، ويعيد التجربة عند الحاجة، ويقوم بأخذ عينات متعددة، وتصفية هذه العينات، واختيار النتيجة النهائية التي تُوازن بين إزالة الظلال والحفاظ على المشهد.

تسليط الضوء على عملية إزالة الظلال من خلال الأسس الفيزيائية لهذه الظلال يجعلها أكثر موثوقية، حيث يدفع ذلك المُولِّد والمُقيّم إلى معالجة الظلال كأثر للإضاءة ناتج عن حجب الضوء، وليس كهيكل مادي أو كائن.

عبر استخدام خط أنابيب مُوجه بالفيزياء، حققنا نتائج مبهرة على معيار ShadowRemovalRefine، مُحققين انخفاضاً ملحوظاً في المقاييس بما يعادل 47% مقارنةً بأقوى الطرق السابقة.

تُظهر هذه النتائج أن نماذج الرؤية واللغة التجارية لا تُستبدل بالنماذج التقليدية، بل تُظهر الحاجة إلى هذه النماذج لمساعدتنا في توجيه وتقييد جيل البيانات النادر في بعض الأحيان.