İyileştirilmiş transformer tabanlı sisli yol sahneleri için görüntü tahmin algoritması

Sis İçinden Görmenin Neden Önemi Var

Yoğun sis içinde araç kullanmak, beyaz bir duvara bakıyormuş gibi hissettirebilir. Hem insan sürücüler hem de otonom araçlar için zayıf görüş, sıradan yolları tehlikeli hale getirir. Bu çalışma, bilgisayarların sisli sokak sahnelerini daha net, bilgi dolu görüntülere dönüştürerek "daha iyi görmesini" sağlayacak yeni bir yaklaşımı inceliyor. Amaç yalnızca daha güzel görüntüler değil; şeritleri, araçları ve engelleri her türlü hava koşulunda tespit etmek zorunda olan otonom araçlar için daha güvenli kararlar alınmasına yardımcı olmak.

Bulanik Yollardan Daha Net Görünümlere

Sis, ışığı saçıp renkleri soldurarak, kenarları yumuşatarak ve uzak nesneleri gizleyerek görüntüleri bozar. Geleneksel yöntemler bunu tersine çevirmeye çalışırken sisin davranışı hakkında el işi kurallara ya da tek tip bir kontrast artırmaya dayanır. Daha yeni derin öğrenme yöntemleri bu konuda ilerleme sağlasa da, birçok model sahnedeki uzak ilişkileri —örneğin uzaktaki şerit işaretlerinin veya araçların kameraya yakın olanlarla nasıl ilişkili olduğunun— yakalamakta zorlanır. Ayrıca genellikle ağır ve yavaştırlar; oysa gerçek zamanlı tepki vermesi gereken araçlar için bu bir sorundur.

Sisli Yollar İçin Daha Akıllı Bir Görme Motoru

Bu sınırlamaları aşmak için yazarlar, başlangıçta dili anlamak üzere geliştirilen ama şimdi görüntülere uyarlanan modern bir yapay zeka mimarisi olan Transformer’a dayanan özel bir görsel sistem tasarlıyor. Ağları tek bir sisli yol görüntüsü alıp daha net bir versiyonunu ve sürücünün ne kadar öne kadar görebileceğine dair bir tahmini birlikte üretiyor. Görüntüyü birden çok boyutta örtüşen parçalara ayırarak hem şerit kenarları ve trafik işaretleri gibi ince ayrıntılara hem de yolun daha geniş düzenine odaklanmasını sağlıyor. Bu parçalar daha sonra farklı sis yoğunluklarına göre ayarlanmış birden fazla paralel dalga üzerinde işleniyor; böylece hafif pus ve yoğun sis aynı boru hattından geçirilmek zorunda kalmıyor.

Gürültü Yerine Yapıyı İzlemek

Bu sistemin içindeki temel yenilik, ağın görüntünün uzak parçaları arasındaki ilişkileri hesaplamasını sağlayan, hesaplama patlaması olmadan çalışan sadeleştirilmiş bir attention mekanizmasıdır. Yazarlar maliyetli bir iç hesaplamayı benzer davranacak ama daha hızlı çalışacak şekilde yaklaşıklaştırarak yavaş, karemsel bir adımı çok daha verimli bir adıma çeviriyorlar. Bu, modelin şerit hizalanması ve araç konturları gibi önemli yapılara odaklanmasına yardımcı olurken rastgele sis gürültüsünün çoğunu görmezden gelmesini sağlıyor. Ek attention modülleri ise hangi özellik kanallarının daha önemli olduğunu ve hangi mekânsal bölgelerin odaklanmayı hak ettiğini daha da rafine ederek, navigasyon için kritik olan kenarları ve şekilleri keskinleştiriyor.

Gerçek ve Sentetik Sis Üzerinde Test

Araştırmacılar, bilgisayar tarafından üretilmiş sis ile şehir ve otoyollardan toplanmış gerçek sis görüntülerini harmanlayan üç yol sahnesi veri seti derliyor; bunlar hafif, orta ve yoğun sis kapsamında. Sistemlerini hem sis giderilmiş bir görüntü hem de bir görünürlük tahmini üretmesi için eğitiyorlar ve sonra güçlü bir fizik tabanlı yöntem ile önde gelen birkaç sis giderme modeliyle karşılaştırıyorlar. Yaklaşımları birçok durumda —özellikle uzak şerit işaretleri ve araç konturları gibi— daha fazla yol detayı kurtarıyor ve bazı popüler alternatiflerden çok daha az parametre kullanıyor. Önemli olarak, modern bir otomobilde bulunabilecek benzer grafik donanımında gerçek zamanlı kullanım için yeterince hızlı çalışıyor; daha yüksek çözünürlüklerde bile saniyede onlarca kareyi koruyor.

Daha Net Görüntüler, Daha Güvenli Kararlar

Günlük ifadeyle, bu çalışma otomatik sürüş sistemlerinin olumsuz hava koşullarında yolun daha fazlasını görmesine yardımcı olan hafif bir "dijital sis giderici" sunuyor. Her ne kadar kusursuz olmasa—çok yoğun veya karmaşık sahnelerde renk kaymaları ve artefaktlar hâlâ ortaya çıkabilir—yine de görüntü kalitesi ile hız arasında pratik bir denge kuruyor. Çok ölçekli görüntüleme, farklı sis seviyeleri için uzmanlaşmış dallar ve verimli bir attention mekanizmasının birleşimiyle, yöntem yerleşik bilgisayarları zorlamadan daha net ve bilgi verici yol görüntüleri sağlıyor. Bu da hem insanları hem makineleri zorlayan bulanık, düşük görüşlü koşullarda daha güvenli otonom sürüşe doğru umut verici bir adım oluyor.

Atıf: Zhang, BT., Zhao, AY. & Xiong, P. Image prediction algorithm for foggy road scenes based on improved transformer. Sci Rep 16, 9579 (2026). https://doi.org/10.1038/s41598-025-25974-6

Anahtar kelimeler: sisli yol görmesi, görüntü sis giderme, özerk sürüş, transformer tabanlı görüntüleme, olumsuz hava algısı