Mi-Ripple: ripristinare le immagini degradate da modifiche iterative con l’IA

Abstract degli autori

La modifica iterativa delle immagini condizionata da un riferimento può introdurre trame a griglia e granulari, comunemente descritte come increspature digitali. Presentiamo Mi-Ripple, un processo di ripristino guidato dalla diagnosi che attenua queste increspature preservando la struttura dell’immagine. Mi-Ripple separa gli artefatti periodici a reticolo dalle trame granulari intrecciate al contenuto, poi combina il filtraggio notch selettivo nello spettro, l’attenuazione delle irregolarità attenta alla struttura e la rigenerazione a partire da un riferimento ripulito. Questa separazione consente di applicare un filtraggio a bassa distorsione quando gli artefatti sono isolati nello spettro e di ricorrere alla ricostruzione visiva quando il filtraggio cancellerebbe dettagli autentici. In quattordici esecuzioni basate esclusivamente sul filtraggio notch, la deviazione standard dei residui sull’intera immagine è compresa tra 0,08 e 0,44 unità di luminosità CIELAB. In un esempio di rigenerazione con confronto appaiato, la pulizia del riferimento riduce del 45\% la densità dei detriti visivi nell’immagine prodotta. Mi-Ripple collega una riduzione misurabile degli artefatti a immagini generate visibilmente più pulite, anziché ottimizzare soltanto un punteggio spettrale.