🤖 AI

A Survey on 3D Gaussian Splatting

تقدم هذه الورقة أول مسح منهجي لتقنية "النقاط الغاوسية ثلاثية الأبعاد" (3D Gaussian Splatting)، حيث تفصل مبادئها الأساسية، وقدرات الرندرة في الوقت الفعلي، وتطبيقاتها المتنوعة، وأداء النماذج المقارن، واتجاهات البحث المستقبلية لتكون بمثابة مورد شامل لمجتمع حقول الإشعاع (radiance field).

المؤلفون الأصليون: Guikun Chen, Wenguan Wang

نُشر 2026-04-10

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Guikun Chen, Wenguan Wang

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول بناء نسخة رقمية مطابقة لغرفة في العالم الحقيقي، بحيث يمكنك التجول داخلها على جهاز الكمبيوتر الخاص بك، والنظر حولك، وحتى إعادة ترتيب الأثاث.

لفترة طويلة، كانت أفضل طريقة للقيء بذلك تشبه محاولة وصف غرفة عبر كتابة قصيدة ضخمة ومعقدة عن كل نقطة في الفضاء. هذه الطريقة، التي تسمى NeRF (حقول الإشعاع العصبي)، كانت دقيقة وواقعية للغاية، لكنها كانت بطيئة. لقد كانت تشبه محاولة رسم لوحة فنية من خلال خلط كل لون على اللوحة لكل بكسل تريد رؤيته. كان عليك الانتظار لدقائق أو ساعات لمجرد رؤية زاوية جديدة للغرفة.

ثم جاءت تقنية 3D Gaussian Splatting (GS)، وغيرت قواعد اللعبة تماماً.

إليك شرح بسيط لما تدور حوله هذه الورقة البحثية، باستخدام بعض التشبيهات من الحياة اليومية:

1. التحول الكبير: من "الشعر" إلى "القصاصات الورقية"

توضح الورقة أن "3D Gaussian Splatting" هي طريقة جديدة لتمثيل المشاهد ثلاثية الأبعاد.

الطريقة القديمة (NeRF): تخيل أنك تحاول إعادة إنشاء مشهد من خلال سؤال ذكاء اصطناعي فائق الذكاء: "ما هو لون الهواء عند هذا الإحداثي بالضبط؟". يتعين على الذكاء الاصطناعي حساب هذا لكل شعاع ضوء. إنه أمر دقيق ولكنه ثقيل حاسوبياً، مثل حل مليون مسألة رياضية لمجرد رسم صورة واحدة.
الطريقة الجديدة (3D GS): بدلاً من حساب أشعة الضوء، تخيل إلقاء ملايين من قطع القصاصات الورقية الصغيرة المتوهجة والضبابية (Gaussians) في الهواء لملء شكل الغرفة.
- كل قطعة من هذه القصاصات لها موقع، وحجم، ولون، وشفافية.
- بعضها كبير وضبابي (مثل السماء)، وبعضها صغير وحاد (مثل فنجان قهوة).
- لرؤية المشهد، يقوم الكمبيوتر ببساطة بـ "رش" (projecting) هذه القصاصات على شاشتك، ويقوم بترتيبها حسب العمق، ودمجها معاً.

النتيجة: الأمر يشبه الانتقال من رسم جدارية يدوياً إلى إلقاء دلو من القصاصات الورقية عالية التقنية التي تشكل الصورة فوراً. إنها تقنية في الوقت الفعلي (يمكنك التحرك فوراً) وقابلة للتعديل (يمكنك التقاط قطعة معينة من القصاصات وتحريكها).

2. كيف تعمل: الـ "Splat" (الرشة)

تفصل الورقة الميكانيكا، والتي يمكن تصورها كالتالي:

الـ Splat: عندما تنظر إلى "3D Gaussian"، فإنه يبدو ككرة ضبابية. عندما تنظر إليها الكاميرا، يتم ضغطها لتصبح بيضاوية ثنائية الأبعاد على شاشتك. يسمى هذا "Splatting".
الترتيب: لجعل الأمر يبدو واقعياً، يجب على الكمبيوتر معرفة أي قصاصة في الأمام وأيها في الخلف. توضح الورقة خدعة ذكية حيث يقسم الكمبيوتر الشاشة إلى مربعات صغيرة (مثل الشبكة) ويرتب القصاصات داخل كل مربع. يسمح هذا للكمبيوتر بمعالجة آلاف القطع في نفس الوقت، مثل خط تجميع في مصنع.
التعلم: يبدأ الكمبيوتر ببضع نقاط مبعثرة (من صورة). ثم يسأل: "هل يبدو هذا مثل الصورة؟". إذا لم يكن كذلك، فإنه يضيف المزيد من النقاط، أو يجعلها أكبر، أو يغير لونها. يستمر في فعل ذلك حتى تطابق القصاصات الورقية الصورة الواقعية تماماً.

3. لماذا تهم هذه الورقة: "إنجيل" تقنية جديدة

هذه الورقة هي دراسة مسحية (Survey)، مما يعني أنها دليل ضخم مكتوب لعلماء آخرين. بما أن تقنية "3D Gaussian Splatting" جديدة تماماً (وقد انفجرت شعبيتها في 2023-2024)، فإن هناك مئات الأوراق البحثية الجديدة التي تظهر كل أسبوع.

لقد نظم المؤلفون هذه الفوضى في خريطة واضحة:

الأساسيات: كيف تعمل هذه القصاصات الورقية.
التحسينات: كيف نجعل القصاصات أصغر (لتوفات الذاكرة)، أو أكثر حدة (لإصلاح الحواف الضبابية)، أو أفضل في التعامل مع الأجسام المتحركة (مثل شخص يمشي عبر الغرفة).
التطبيقات: أين يمكننا استخدام هذا؟
- الروبوتات: يمكن للروبوتات الآن "رؤية" وفهم الغرفة فوراً للتنقل فيها.
- ألعاب الفيديو والواقع الافتراضي: يمكنك التجول في عالم واقعي للغاية دون تأخير (lag).
- الجراحة: يمكن للأطباء إنشاء نماذج ثلاثية الأبعاد للأعضاء الداخلية من فيديوهات التنظير الداخلي للتخطيط للعمليات الجراحية.
- الصور الرمزية (Avatars): إنشاء بشر رقميين يبدون حقيقيين ويتحركون بشكل طبيعي.

4. العقبات الحالية (الـ "لكن...")

تشير الورقة أيضاً إلى أنه على الرغم من أن هذه التقنية مذهلة، إلا أنها ليست مثالية بعد:

شرهة للذاكرة: المشهد الضخم يحتاج إلى ملايين من قطع القصاصات الورقية، مما يتطلب الكثير من ذاكرة الكمبيوتر.
حواف غريبة: أحياناً، إذا لم تكن القصاصات كثيفة بما يكفي، قد ترى "ثقوباً" أو بقعاً ضبابية في الصورة.
الفيزياء: في الوقت الحالي، تبدو هذه القصاصات رائعة، لكنها لا "تتصرف" حقاً وفق قوانين الفيزياء (مثل رش الماء أو كسر الزجاج) ما لم نضف قواعد إضافية معقدة.

الخلاصة

هذه الورقة هي الدليل النهائي لتقنية 3D Gaussian Splatting. إنها تخبرنا أننا انتقلنا من عالم النماذج ثلاثية الأبعاد البطيئة والثقيلة إلى عالم من مشاهد "القصاصات الورقية" السريعة، القابلة للتعديل، والواقعية بشكل لا يصدق. إنها تقنية تعد بجعل الواقع الافتراضي، والروبوتات، وإنشاء المحتوى الرقمي يبدو حقيقياً واستجابياً مثل العالم المادي.

فكر في الأمر كأنها اللحظة التي انتقلت فيها الرسومات ثلاثية الأبعاد من حالة "جاري التحميل..." إلى "موجودة هنا فوراً".

بناءً على الورقة البحثية المسحية المقدمة، إليك ملخص تقني مفصل لـ التشتت الغاوسي ثلاثي الأبعاد (3D Gaussian Splatting - 3D GS):

1. بيان المشكلة

واجه مجال إعادة بناء المشاهد ثلاثية الأبعاد وتوليد الرؤى الجديدة تاريخياً مقايضة بين جودة الرندرة (Rendering Quality)، والكفاءة الحسابية، والقابلية للتحرير.

النماذج العصبية الضمنية (NeRF): في حين حققت حقول الإشعاع العصبية (NeRF) واقعية غير مسبوقة من خلال ربط الإحداثيات المكانية باللون والكثافة عبر شبكات MLP (Perceptrons متعددة الطبقات)، إلا أنها تعاني من كثافة حسابية عالية. تتطلب عملية الرندرة عملية "تتبع الأشعة" (Ray-marching) ودمجاً حجمياً مكلفاً، مما يؤدي إلى أوقات استنتاج بطيئة (غالباً ثوانٍ لكل إطار)، ويجعل التطبيقات في الوقت الفعلي (مثل الواقع الافتراضي/المعزز، والروبوتات) أمراً صعباً. علاوة على ذلك، فإن التلاعب بالتمثيلات الضمنية يعد تحدياً، حيث إن التغييرات في الأوزان العصبية لا تقابل بشكل بديهي تعديلات هندسية أو مظهرية.
التمثيلات الصريحة (Explicit Representations): توفر الطرق الصريحة التقليدية (مثل الفوكسل والغيوم النقطية) وصولاً أسرع، لكنها غالباً ما تفتقر إلى قدرات التمثيل المستمر وعالي الدقة التي توفرها الحقول العصبية، أو تتطلب ذاكرة هائلة.
الفجوة: كانت هناك حاجة لتمثيل يجمع بين دقة الرندرة العالية لـ NeRF وسرعة الرندرة في الوقت الفعلي والقابلية للتحرير الصريح للنماذج الرسومية التقليدية.

2. المنهجية: التشتت الغاوسي ثلاثي الأبعاد (3D GS)

يقدم 3D GS حقل إشعاع صريح حيث يتم تمثيل المشهد بواسطة ملايين من توزيعات غاوس (Gaussians) ثلاثية الأبعاد القابلة للتعلم. وهو يسد الفجوة بين التحسين العصبي والرندرة القائمة على التسطيح (Rasterization).

أ. تمثيل المشهد

يتم تعريف كل توزيع غاوسي ثلاثي الأبعاد بواسطة بارامترات قابلة للتعلم:

المركز ( $\mu$ ): الموقع في الفضاء ثلاثي الأبعاد.
مصفوفة التباين ( $\Sigma$ ): تحدد الشكل والاتجاه (يتم تفكيكها إلى كواتيرنيون دوران $\mathbf{q}$ ومتجه مقياس $\mathbf{s}$ لضمان كونها موجبة شبه محددة).
العتامة ( $\alpha$ ): قيمة الشفافية.
اللون ( $c$ ): يتم تمثيله بواسطة معاملات التوافقيات الكروية (Spherical Harmonics - SH) لنمذجة المظهر المعتمد على زاوية الرؤية (مثل اللمعان المرآتي).

ب. خط معالجة الرندرة (العملية الأمامية)

على عكس طريقة "تتبع الأشعة" في NeRF (التي تعتمد على الخرائط الخلفية)، يستخدم 3D GS نهج الخرائط الأمامية (Forward Mapping) المشابه لرندرة النقاط:

الاستبعاد من الهرم (Frustum Culling): استبعاد توزيعات غاوس الموجودة خارج مجال رؤية الكاميرا.
التشتيت (Splatting): إسقاط توزيعات غاوس ثلاثية الأبعاد على مستوى الصورة ثنائي الأبعاد، وتحويلها إلى أشكال بيضاوية ثنائية الأبعاد. يستخدم هذا النهج تقريباً تآلفياً للتحويل الإسقاطي.
الرندرة المتوازية القائمة على البلاطات (Tile-Based Parallel Rendering): لتمكين الأداء في الوقت الفعلي، يتم تقسيم الصورة إلى بلاطات بحجم $16\times16$ . يتم ترتيب توزيعات غاوس حسب العمق داخل كل بلاطة.
الدمج الألفي (Alpha Blending): يتم حساب البكسلات عن طريق دمج توزيعات غاوس المرتبة باستخدام صيغة الدمج $\alpha$ . هذه العملية قابلة للتوازي بشكل كبير على وحدات معالجة الرسومات (GPUs) باستخدام CUDA، مما يسمح بسرعات رندرة تتجاوز 100 إطار في الثانية.

ج. عملية التحسين (Optimization Process)

يتعلم النظام بارامترات غاوس عبر الرندرة القابلة للتفاضل:

دالة الخسارة (Loss Function): مزيج من خسارة $L_1$ (الفرق بين البكسلات) و $D$ -SSIM (التشابه الهيكلي) لضمان دقة اللون والنزاهة الهيكلية.
التحكم التكيفي في الكثافة:
- التكثيف (Densification): في المناطق ذات التدرجات العالية (المناطق التي لم تُعاد بناؤها بدقة)، يتم استنساخ أو تقسيم توزيعات غاوس لالتقاط التفاصيل الدقيقة.
  * التقليم (Pruning): يتم إزالة توزيعات غاوس ذات العتامة المنخفضة أو الحجم المفرط لمنع الإفراط في التخصيص (Overfitting) وتوفير الذاكرة.
التهيئة (Initialization): تبدأ عادةً بسحابة نقاط متفرقة من عملية "الاستعادة من الحركة الهيكلية" (SfM) أو تهيئة عشوائية.

3. المساهمات الرئيسية للمسح البحثي

تقدم هذه الورقة نظرة عامة منهجية أولى لنظام 3D GS البيئي، وتغطي:

المبادئ التأسيسية: غوص عميق في الأسس الرياضية لخطوط معالجة الرندرة والتحسين.
تصنيف الامتدادات: تصنف المسحية التطورات الأخيرة إلى سبعة اتجاهات رئيسية:
1. المدخلات الشحيحة (Sparse Input): طرق لإعادة بناء المشاهد من عدد قليل من الرؤى باستخدام التنظيم أو المعرفة المسبقة المتعلمة (مثل PixelSplat، FSGS).
2. كفاءة الذاكرة: تقنيات الضغط (الكمية، التقليم، شبكات الهاش) لتقليل التخزين من جيجابايت إلى ميجابايت.
3. الواقعية الفوتوغرافية: تحسينات للتعامل مع التزييف (Aliasing)، والانعكاسات، والشفافية، وضبابية الحركة.
4. خوارزميات التحسين: تنظيم أفضل، قيود مدركة للهندسة، وتدريب خالٍ من COLMAP.
5. الخصائص الممتدة: دمج السمات الدلالية، اللغوية، أو الزمانية-المكانية في توزيعات غاوس لفهم المشهد.
6. التمثيلات الهجينة: الجمع بين توزيعات غاوس وMLPs، أو الشبكات (Grids)، أو المشبكات (Meshes) لمهام محددة مثل نمذجة الشخصيات (Avatars).
7. خوارزميات رندرة جديدة: استكشاف النهج القائمة على تتبع الأشعة (Ray-tracing) للحصول على تأثيرات فيزيائية دقيقة (الانعكاسات، الظلال).
تحليل التطبيقات: تغطية تفصيلية لـ 3D GS في الروبوتات (SLAM، المناولة)، المشاهد الديناميكية، إنشاء الشخصيات الرقمية (Avatars)، التصوير الطبي (التنظير)، وإعادة البناء واسع النطاق.
قياس الأداء: مقارنة كمية شاملة عبر التوطين (Localization)، المشاهد الثابتة/الديناميكية، الشخصيات الرقمية، والسيناريوهات الجراحية، مما يثبت تفوق 3D GS في السرعة والجودة على NeRFs وSLAM التقليدي.

4. النتائج والأداء

تسلط المسحية الضوء على الأدلة التجريبية التي تظهر 3D GS كحل رائد (State-of-the-art):

السرعة: يحقق 3D GS رندرة في الوقت الفعلي (غالباً >100 FPS) على أجهزة المستهلك، وهي قفزة هائلة مقارنة بـ NeRF التي غالباً ما تكون محدودة بأقل من 1 إطار في الثانية.
الجودة: في اختبارات المشاهد الثابتة (مثل مجموعة بيانات Replica)، تحقق أنظمة SLAM القائمة على 3D GS (مثل SplaTAM، Gaussian-SLAM) درجات أعلى في PSNR وSSIM مقارنة بطرق Neural SLAM الكثيفة، مع كونها أسرع بعدة مراتب.
المشاهد الديناميكية: تسمح الامتدادات مثل 4D Gaussians والمجالات القابلة للتشكيل بإعادة بناء ديناميكي عالي الدقة (على سبيل المثال، يتفوق D-3DGS على FFDNeRF بنحو 6.8 ديسيبل في PSNR).
الكفاءة: في التطبيقات الجراحية، أظهرت طرق 3D GS زيادة في السرعة بمقدار 200 ضعف وانخفاضاً بنسبة 90% في استخدام ذاكرة GPU مقارنة بإعادة البناء الجراحي القائم على NeRF.

5. الأهمية

تحول جذري (Paradigm Shift): يمثل 3D GS تحولاً جوهرياً من الحقول العصبية الضمنية القائمة على الإحداثيات إلى تمثيلات صريحة قائمة على النقاط، وهي قابلة للتفاضل وعالية الكفاءة.
تمكين تطبيقات الوقت الفعلي: من خلال إزالة اختناق زمن الاستجابة (Latency)، يفتح 3D GS آفاقاً لتطبيقات عملية في الواقع الافتراضي (VR)، الواقع المعزز (AR)، القيادة الذاتية، والروبوتات التي كانت غير ممكنة سابقاً مع NeRF.
التحرير والتحكم: الطبيعة الصريحة لتوزيعات غاوس تسمح بتحرير بديهي (إزالة الكائنات، تغيير الأنسجة) والاندماج مع المحاكيات الفيزيائية، مما يسد الفجوة بين رسومات الحاسوب والمحاكاة القائمة على الفيزياء.
الاتجاه المستقبلي: تضع المسحية 3D GS كتقنية تأسيسية لـ "نماذج العالم" (World Models)، مما يشير إلى أن الأبحاث المستقبلية ستركز على دمج القوانين الفيزيائية، والفهم الدلالي، والقدرات التوليدية واسعة النطاق مباشرة في تمثيل غاوس.

في الختام، تؤكد الورقة أن 3D Gaussian Splatting ليس مجرد تقنية رندرة، بل هو إطار عمل تحولي لتمثيل المشاهد ثلاثية الأبعاد يوازن بين الدقة العالية، والأداء في الوقت الفعلي، والقابلية للتحرير، مما يمهد الطريق للجيل القادم من تطبيقات الرؤية الحاسوبية والرسومات ثلاثية الأبعاد.