Learning Color Equivariant Representations

إليك ملخص تقني مفصل لورقة البحث "Learning Color Equivariant Representations" (ICLR 2025).

1. بيان المشكلة

حققت الشبكات العصبية التلافيفية (CNNs) نجاحاً ملحوظاً في تصنيف الصور، لكنها غالباً ما تفتقر إلى المتانة تجاه التغيرات الإدراكية، وتحديداً التغيرات في اللون (الصبغة، التشبع، والسطوع).

• القيود الحالية: تتأثر الشبكات التلافيفية القياسية بالإزاحات اللونية الناتجة عن ظروف الإضاءة المختلفة، أو المستشعرات، أو بروتوكولات جمع البيانات (مثل التصوير الطبي من مختبرات مختلفة).
• الحلول الموجودة:
  • تعزيز البيانات (Data Augmentation): يزيد من وقت التدريب ولا يضمن المتانة تجاه الإزاحات غير المرئية.
  • الثبات اللوني (Color Invariance): تحويل الصور إلى التدرج الرمادي أو فرض الثبات يؤدي إلى التخلص من المعلومات اللونية، والتي غالباً ما تكون دلالة حاسمة للتصنيف.
  • شبكات GCNN السابقة (CEConv): اقترح Lengyel وآخرون (2024) شبكة عصبية تلافيفية مجموعية (GCNN) للتماثل مع الصبغة (Hue Equivariance). ومع ذلك، فإن نهجهم يقوم برفع المرشحات (Filters) بدلاً من المدخلات. في فضاء الألوان RGB، غالباً ما تؤدي تدوير المرشحات لمحاكاة إزاحات الصبغة إلى إنتاج قيم RGB غير صالحة (قيم خارج مكعب [0, 1] أو [0, 255]). يجب إسقاط هذه القيم غير الصالحة مرة أخرى، مما يكسر خاصية التماثل (Equivariance) الرياضية ويؤدي إلى ظهور عيوب (Artifacts).

2. المنهجية

يقترح المؤلفون بنية شبكة عصبية تلافيفية مجموعية (GCNN) جديدة تحقق تماثلاً صارماً تجاه إزاحات الصبغة (Hue)، والتشبع (Saturation)، والسطوع (Luminance) من خلال الاستفيد من البنية الهندسية لفضاء الألوان HSL (الصبغة، التشبع، السطوع).

أ. الصيغة الهندسية

نمذج المؤلفون التغيرات اللونية كأفعال مجموعية (Group Actions):

1. مجموعة الصبغة ($H_N$): تم نمذجتها كمجموعة دورية منفصلة $C_N$ (مجموعة الدوران ثنائية الأبعاد). تعادل إزاحة الصبغة تدويراً في قناة الصبغة.
2. مجموعة التشبع ($S_N$) ومجموعة السطوع ($L_N$): تم نمذجتهما كمجموعات فرعية منفصلة من مجموعة الترجمة الصحيحة $(\mathbb{Z}, +)$. تُعامل الإزاحات في التشبع والسطوع كعمليات ترجمة.
3. الفعل المشترك: تتعامل الشبكة مع الفضاء الضرب ل هذه المجموعات (على سبيل المثال، مجموعة الصبغة-التشبع).

ب. الابتكار الجوهري: رفع المدخلات (Input Lifting)

المساهمة التقنية الأكثر أهمية هي تصميم طبقة الرفع (Lifting Layer).

• نهج CEConv (المعيب): يقوم برفع المرشحات عبر تدويرها في فضاء RGB. يتسبب هذا في قيم RGB غير صالحة لمعظم عمليات التجزئة ($N \neq 1, 3$)، مما يتطلب الإسقاط الذي يكسر التماثل.
• النهج المقترح (الصحيح): يقوم برفع صورة المدخلات مباشرة.
  • يتم تحويل صورة المدخلات إلى فضاء HSL.
  • تقوم طبقة الرفع بتطبيق الفعل المجموعي (تدوير الصبغة أو إزاحة التشبع/السطوع) مباشرة على قيم بكسلات صورة المدخلات.
  • بما أن قيم HSL بطبيعتها محدودة ودورية (بالنسبة للصبغة) أو خطية (بالنسبة للتشبع/السطوع)، فإن هذا التحول قابل للعكس ولا ينتج أي قيم غير صالحة.
  • بعد ذلك، تقوم الشبكة بإجراء تلافيف مجموعية على هذا التمثيل المرفوع.

ج. بنية الشبكة

• طبقة الرفع: تحول المدخل $f^0$ إلى الفضاء المجموعي $f^1$ عبر $f^1(gx, j) = \phi(h_j, f^0)(x)$، حيث $\phi$ هو الفعل المجموعي على الصورة.
• التلافيف المجموعي (Group Convolution): تقوم الطبقات اللاحقة بإجراء تلافيف عبر الفضاء الضرب $Z^2 \times G$ (الشبكة المكانية $\times$ المجموعة اللونية)، مما يضمن أن الإزاحة في فضاء ألوان المدخلات تؤدي إلى إزاحة مقابلة في فضاء خرائط الميزات.
• التجميع (Pooling): تستخدم الطبقات النهائية تجميعاً مجموعياً لإنتاج تمثيلات ثابتة لأغراض التصنيف.

3. المساهمات الرئيسية

1. حل عيوب RGB غير الصالحة: من خلال رفع صورة المدخلات في فضاء HSL بدلاً من تدوير مرشحات RGB، قضى المؤلفون على قيم الألوان غير الصالحة. وقد أدى ذلك إلى تحسين خطأ التماثل بمقدار ثلاث مراتب عشرية مقارنة بـ CEConv.
2. التوسع ليشمل التشبع والسطوع: عممت الورقة التماثل اللوني إلى ما وراء الصبغة فقط، حيث قدمت شبكات متماثلة تجاه إزاحات التشبع والسطوع، وهو ما تجاهلته الأعمال السابقة.
3. الدقة النظرية: قدم المؤلفون براهن رسمية تثبت أن مجموعات الصبغة والتشبع المنفصلة المقترحة تحقق بديهيات المجموعات، وأن الأفعال المعرفة تحقق خصائص الفعل المجموعي.
4. كفاءة العينات: أظهرت البنية كفاءة أعلى في العينات، حيث حققت أداءً مماثلاً أو أفضل مع كمية أقل بكثير من بيانات التدريب مقارنة بالشبكات التلافيفية التقليدية.

4. النتائج التجريبية

قيم المؤلفون نماذجهم (Hue-N، Sat-N، والمتغيرات المشتركة) مقابل النماذج المرجعية (Z2CNN، ResNet، وCEConv) على عدة مجموعات بيانات:

• Hue-Shift MNIST:
  • التعميم: في مجموعات الاختبار ذات التوزيع غير المتطابق (OOD) مع إزاحات صبغة غير مرئية، حافظ النموذج المقترح على خطأ منخفض (1.8%)، بينما فشلت الشبكة التلافيفية القياسية فشلاً ذريعاً (57%).
  • كفاءة العينات: اتسعت الفجوة في الأداء بين النموذج المقترح والنموذج المرجعي مع انخفاض كمية بيانات التدريب.
• الأشكال ثلاثية الأبعاد (إزاحة صبغة محلية):
  • حقق النموذج دقة شبه مثالية (خطأ 0.00%) في إزاحات الصبغة المحلية غير المرئية، متفوقاً بشكل كبير على CEConv الذي عانى من عيوب في خرائط الميزات.
• Camelyon17 (إزاحة التشبع في التصوير الطبي):
  • في مجموعة بيانات طبية حقيقية ذات إزاحة في النطاق بسبب تغير صبغة الأنسجة (التشبع)، خفض نموذج Sat-3 خطأ التصنيف من 28.91% (ResNet50) إلى 16.08%.
• مجموعات البيانات الواقعية (Caltech-101, Oxford Pets, Stanford Cars, CIFAR):
  • تفوقت الشبكات المتماثلة لونياً باستمرار على CEConv وكانت منافسة أو متفوقة على نماذج ResNet المرجعية، خاصة في مهام التصنيف دقيقة التفاصيل حيث يكون اللون ميزة تمييزية.
• فرز الألوان:
  • أظهر المؤلفون تطبيقاً فريداً: فرز الصور حسب اللون باستخدام خرائط الميزات المتعلمة. سمحت البنية المتماثلة بفرز طبيعي يعتمد على الصبغة، وهي مهمة فشلت الشبكات التلافيفية التقلية في أدائها بشكل موثوق.

5. الأهمية والخاتمة

تجسر هذه الورقة الفجوة بين التعلم العميق الهندسي والمتانة الإدراكية. من خلال معاملة التغيرات اللونية كتحويلات هندسية ضمن بنية مجموعية، أنشأ المؤلفون شبكات متماثلة بالتصميم بدلاً من الاعتماد على استدلالات هشة أو تعزيز البيانات.

• الأثر: يحل هذا العمل خللاً حرجاً في الشبكات المتماثلة لونياً السابقة (قيم RGB غير الصالحة)، مما يجعل النهج سليماً نظرياً ومتفوقاً عملياً.
• التطبيقات: يعد هذا الأسلوب ذا قيمة خاصة للمجالات ذات التباين اللوني العالي، مثل التصوير الطبي (شرائح الأنسجة)، الاستشعار عن بعد، والقيادة الذاتية، حيث تختلف ظروف الإضاءة والمستشعرات ولكن المحتوى الدلالي الأساسي يظل ثابتاً.
• العمل المستقبلي: يقر المؤلفون بأن شبكات GCNN أكثر تكلفة حوسبياً من الشبكات التلافيفية القياسية بسبب حساب مدار المرشح (filter orbit)، ويقترحون عملاً مستقبلياً على التمثيلات المجموعية المستمرة لتحسين الكفاءة بشكل أكبر.