En una mira térmica de alto rendimiento, el sensor determina cuánta información térmica bruta puede capturar. Pero lo que los cazadores ven finalmente también depende de cómo se procesa esa información. Serie Nocpix ACE 2 Está construida en torno a una nueva generación de tecnología de imágenes térmicas, y R+ 2.0 es uno de los sistemas clave que respaldan la mejora en la calidad de imagen.
En la caza térmica real y la caza nocturna, las imágenes térmicas a menudo presentan varios problemas: detalle limitado en objetivos pequeños y distantes, dificultad para separar la textura útil del ruido y contraste reducido en caso de lluvia o niebla.
El sistema de imágenes R+ 2.0 de la serie ACE 2 aborda estos problemas en varios niveles.
No se trata simplemente de conseguir que una imagen se vea más nítida.
La pregunta más importante es:
¿Cómo puede un visor térmico recuperar más detalles útiles manteniendo la imagen nítida, limpia y natural?
Cómo R+ 2.0 mejora la imagen del ACE 2 con el aumento base
Para los modelos con una resolución de 640, R+ 2.0 introduce un nuevo enfoque para el entrenamiento de modelos.
En lugar de basarse únicamente en un solo modelo, el sistema utiliza la destilación del conocimiento.
En términos sencillos, un modelo de IA más grande aprende primero las características complejas de las imágenes térmicas. Luego, guía a un modelo más pequeño y eficiente para que aprenda de ese conocimiento.
Esto permite que el modelo del dispositivo gestione entradas de mayor resolución sin dejar de mantener la inferencia en tiempo real a 60 fps en la plataforma 640.
Para una mira térmica, este equilibrio es importante.
Los detalles adicionales tienen un valor limitado si la imagen se vuelve lenta o inestable cuando el cazador mueve la cámara por el campo o sigue a un animal en movimiento.
Con R+ 2.0, el objetivo es mejorar el nivel de detalle visible manteniendo una visualización fluida en tiempo real.
Por qué los datos térmicos reales son importantes para ACE 2
Un modelo de IA solo es útil en la medida en que aprende de los datos.
El entrenamiento tradicional en mejora de imágenes a menudo se basa en la degradación simulada, es decir, en añadir artificialmente desenfoque, ruido o una menor resolución a las imágenes limpias.
Pero real imágenes térmicas No siempre se degrada de forma predecible.
La distancia, la temperatura ambiente, las condiciones meteorológicas, el tamaño del objetivo y los diferentes tipos de ruido pueden afectar a las imágenes térmicas de distintas maneras.
Para R+ 2.0, Nocpix recopiló grandes cantidades de imágenes infrarrojas reales de baja resolución en diferentes entornos, escenas y condiciones de ruido. Estas imágenes se procesaron utilizando un modelo más grande para crear pares de entrenamiento que reflejaran con mayor precisión la degradación real de las imágenes térmicas.
La estrategia de entrenamiento también se adaptó a las características de las imágenes infrarrojas, donde la relación señal-ruido puede ser baja y los detalles finos relativamente débiles.
El objetivo es restaurar el detalle a la vez que se reducen los artefactos y los efectos de halo que pueden hacer que las imágenes mejoradas parezcan poco naturales.
Para los usuarios de ACE 2, el beneficio es especialmente notable en pequeños objetivos distantes, donde los contornos y las texturas de la superficie se distinguen con mayor facilidad mientras el sistema continúa ofreciendo una salida de 60 fps.
Afilar no es suficiente: el sistema necesita saber qué afilar.
El enfoque convencional puede hacer que una imagen parezca más detallada al reforzar los bordes.
El problema es que también puede reforzar cosas que no deberían reforzarse, como el ruido y los artefactos no deseados.
R+ 2.0 adopta un enfoque más selectivo.
Su red incluye un módulo de desacoplamiento de ruido de textura diseñado para distinguir entre:
Textura que debe realzarse y ruido que debe suprimirse.
De este modo, el modelo puede procesar las regiones de la imagen de forma adaptativa en lugar de aplicar el mismo efecto de nitidez en todas partes.
El enfoque tampoco se trata como un paso de postprocesamiento final independiente.
Está diseñado y entrenado conjuntamente con la red de superresolución. La superresolución se centra en recuperar información estructural y de resolución, mientras que los componentes relacionados con el realce de la nitidez refinan la calidad de la textura. Ambos comparten información a nivel de características.
El resultado tiene como objetivo proporcionar:
- Detalles más sólidos: bordes del objetivo y textura de la superficie más definidos.
- Imágenes más nítidas: menos bordes duros y artefactos.
- Visualización más cómoda: menor fatiga visual por ruido y exceso de nitidez.
- Imágenes térmicas más naturales: mayor claridad sin que la escena parezca artificial.
Un enfoque específico para la lluvia y la niebla.
La lluvia y la niebla crean un conjunto diferente de desafíos para un visor de caza nocturna.
La lluvia puede producir obstrucciones dinámicas y dispersión delante del objetivo, mientras que la niebla reduce el contraste general y suaviza los bordes del sujeto.
Por lo tanto, un modelo de procesamiento de imágenes optimizado para condiciones climáticas despejadas puede ser menos eficaz en estas condiciones.
R+ 2.0 soluciona este problema con una optimización específica para lluvia y niebla.
Nocpix recopiló datos térmicos de múltiples entornos reales de lluvia y niebla, lo que permitió al modelo aprender patrones de degradación específicos de estas condiciones.
El proceso de capacitación también introduce una Extractor con función específica para lluvia y niebla, que separa las características relevantes y guía al modelo en la recuperación de detalles debilitados por la interferencia meteorológica.
La idea clave es simple:
Un único modo de procesamiento no tiene por qué ser una solución de compromiso para todos los entornos posibles.
Los usuarios pueden utilizar un modo general en condiciones normales y cambiar a un modo específico para la lluvia o la niebla, lo que permite que cada escenario reciba un procesamiento más preciso.
¿Qué mejoras introduce realmente R+ 2.0?
El procesamiento de imágenes térmicas se suele resumir con una frase sencilla como "mejora mediante IA".“
Pero mejorar la termografía no se trata simplemente de hacer que todo se vea más nítido.
En el Serie ACE 2, R+ 2.0 se centra en tres áreas:
Más detalles en la ampliación base
Una arquitectura de modelo rediseñada y datos de entrenamiento térmico reales mejoran la visibilidad de objetivos pequeños y distantes en los modelos 640, manteniendo al mismo tiempo una salida en tiempo real de 60 fps.
Más nítido, sin parecer artificial.
La separación de textura y ruido ayuda a realzar los detalles reales a la vez que suprime el ruido, produciendo una imagen más clara, nítida y natural.
Optimizado para condiciones climáticas adversas.
El entrenamiento específico para condiciones de lluvia y niebla permite que el sistema de procesamiento de imágenes responda de manera más eficaz a condiciones climáticas adversas, en lugar de obligar a un modelo general a hacer concesiones en todas las escenas.
Para una mira térmica profesional, el mejor algoritmo de imagen no es el que simplemente realza cada borde.
Esa es la idea detrás de R+ 2.0 en la serie ACE 2.
En lugar de tratar la mejora de imagen como un simple efecto de nitidez, ACE 2 utiliza R+ 2.0 para combinar el entrenamiento con imágenes térmicas reales, la separación de ruido y textura, y la optimización específica para lluvia y niebla.
El objetivo es sencillo: obtener detalles más útiles, imágenes térmicas más nítidas y una visión más natural cuando las condiciones se vuelven difíciles.
Más detalles cuando importa. Imágenes más nítidas donde realmente importa.