Em uma mira térmica de alto desempenho, o sensor determina a quantidade de informação térmica bruta que consegue captar. Mas o que os caçadores veem, na prática, também depende de como essa informação é processada. Série Nocpix ACE 2 é construída em torno de uma nova geração de tecnologia de imagem térmica, e o R+ 2.0 é um dos principais sistemas por trás da melhoria na qualidade da imagem.
Em situações reais de caça térmica e caça noturna, as imagens térmicas frequentemente enfrentam diversos desafios: detalhes limitados em alvos pequenos e distantes, dificuldade em separar a textura útil do ruído e contraste reduzido em condições de chuva ou neblina.
O sistema de imagem R+ 2.0 da série ACE 2 aborda esses problemas em vários níveis.
Não se trata simplesmente de tornar uma imagem mais nítida.
A questão mais ampla é:
Como um visor térmico pode recuperar mais detalhes úteis, mantendo a imagem suave, limpa e natural?
Como o R+ 2.0 melhora a imagem ACE 2 na ampliação base
Para modelos com resolução de 640, o R+ 2.0 introduz uma nova abordagem para o treinamento de modelos.
Em vez de se basear apenas em um único modelo, o sistema utiliza a destilação de conhecimento.
Em termos simplificados, um modelo de IA maior primeiro aprende características complexas de imagens térmicas. Em seguida, ele orienta um modelo menor e mais eficiente a aprender com esse conhecimento.
Isso permite que o modelo do lado do dispositivo lide com entradas de resolução mais alta, mantendo ainda a inferência em tempo real a 60 fps na plataforma 640.
Para uma mira térmica, esse equilíbrio é importante.
Detalhes adicionais têm valor limitado se a imagem ficar lenta ou instável quando o caçador percorrer o campo com a câmera ou seguir um animal em movimento.
Com o R+ 2.0, o objetivo é melhorar os detalhes visíveis, mantendo a fluidez da visualização em tempo real.
Por que os dados térmicos reais são importantes para o ACE 2
Um modelo de IA só é útil na medida em que os dados que utiliza para aprender com ele sejam relevantes.
O treinamento tradicional de aprimoramento geralmente depende da degradação simulada — adicionando artificialmente desfoque, ruído ou resolução mais baixa a imagens limpas.
Mas na verdade imagem térmica nem sempre se degrada de forma previsível.
Distância, temperatura ambiente, condições meteorológicas, tamanho do alvo e diferentes tipos de ruído podem afetar as imagens térmicas de maneiras distintas.
Para o R+ 2.0, a Nocpix coletou grandes quantidades de imagens infravermelhas reais de baixa resolução em diferentes ambientes, cenas e condições de ruído. Essas imagens foram processadas usando um modelo maior para criar pares de treinamento que refletem mais fielmente a degradação de imagens térmicas reais.
A estratégia de treinamento também foi adaptada às características das imagens infravermelhas, onde a relação sinal-ruído pode ser baixa e os detalhes finos relativamente fracos.
O objetivo é restaurar os detalhes, reduzindo artefatos e efeitos de halo que podem fazer com que as imagens aprimoradas pareçam artificiais.
Para usuários do ACE 2, o benefício é especialmente perceptível em alvos pequenos e distantes, onde os contornos e as texturas da superfície podem se tornar mais fáceis de distinguir, enquanto o sistema continua a fornecer uma saída de 60 fps.
Afiar não basta — o sistema precisa saber o que afiar.
A nitidez convencional pode fazer com que uma imagem pareça mais detalhada, realçando as bordas.
O problema é que também pode reforçar elementos que não deveriam ser realçados — incluindo ruídos e artefatos indesejados.
O R+ 2.0 adota uma abordagem mais seletiva.
Sua rede inclui um módulo de desacoplamento de ruído de textura projetado para distinguir entre:
Textura que deve ser realçada e ruído que deve ser suprimido.
O modelo pode então processar regiões da imagem de forma adaptativa, em vez de aplicar o mesmo efeito de nitidez em todos os lugares.
A nitidez também não é tratada como uma etapa final de pós-processamento separada.
É projetado e treinado em conjunto com a rede de super-resolução. A super-resolução concentra-se na recuperação de informações estruturais e de resolução, enquanto os componentes relacionados à nitidez refinam a qualidade da textura. Os dois compartilham informações no nível de características.
O objetivo é proporcionar o seguinte resultado:
- Mais detalhes sólidos — bordas do alvo e textura da superfície mais nítidas.
- Imagens mais nítidas — menos bordas irregulares e artefatos.
- Visualização mais confortável — menos fadiga visual causada por ruído e nitidez excessiva.
- Imagens térmicas mais naturais — maior nitidez sem deixar a cena com aspecto artificial.
Uma abordagem dedicada para chuva e neblina
A chuva e o nevoeiro criam um conjunto diferente de desafios para um mira para caça noturna.
A chuva pode produzir obstrução dinâmica e dispersão em frente à lente, enquanto o nevoeiro reduz o contraste geral e suaviza as bordas do alvo.
Um modelo de processamento de imagens otimizado para tempo bom pode, portanto, ser menos eficaz nessas condições.
O R+ 2.0 resolve isso com otimização dedicada para chuva e neblina.
A Nocpix coletou dados térmicos de múltiplos ambientes reais de chuva e neblina, permitindo que o modelo aprendesse padrões de degradação específicos para essas condições.
O processo de treinamento também introduz um extrator de recursos dedicado para chuva e neblina, que separa as características relevantes e orienta o modelo na recuperação de detalhes enfraquecidos pela interferência climática.
A ideia principal é simples:
Um único modo de processamento não precisa ser inadequado para todos os ambientes possíveis.
Os usuários podem contar com um modo geral em condições normais e alternar para um modo específico para chuva ou neblina, permitindo que cada cenário receba um processamento mais direcionado.
O que o R+ 2.0 realmente melhora?
O processamento de imagens térmicas costuma ser resumido com uma frase simples como "aprimoramento por IA".“
Mas melhorar as imagens térmicas não se resume simplesmente a tornar tudo mais nítido.
No Série ACE 2, O projeto R+ 2.0 concentra-se em três áreas:
Mais detalhes na ampliação base
Uma arquitetura de modelo redesenhada e dados reais de treinamento térmico melhoram a visibilidade de pequenos alvos distantes em modelos 640, mantendo a saída em tempo real de 60 fps.
Mais nítido, sem parecer artificial.
A separação entre textura e ruído ajuda a realçar os detalhes reais, suprimindo o ruído e produzindo uma imagem mais nítida, limpa e natural.
Otimizado para condições climáticas adversas.
O treinamento específico para chuva e neblina permite que o sistema de processamento de imagens responda de forma mais eficaz a condições climáticas adversas, em vez de forçar um modelo geral a fazer concessões em todas as cenas.
Para uma mira térmica profissional, o melhor algoritmo de imagem não é aquele que simplesmente realça todas as bordas.
Essa é a ideia por trás do R+ 2.0 na série ACE 2.
Em vez de tratar o aprimoramento de imagem como um simples efeito de nitidez, o ACE 2 usa o R+ 2.0 para combinar treinamento com imagens térmicas reais, separação de textura e ruído e otimização dedicada para chuva e neblina.
O objetivo é simples: obter mais detalhes úteis, imagens térmicas mais nítidas e uma visão mais natural quando as condições se tornam desafiadoras.
Mais detalhes quando importa. Imagens mais nítidas onde é necessário.