💻 computer science

PoseAdapt: Sustainable Human Pose Estimation via Continual Learning Benchmarks and Toolkit

يُعد PoseAdapt إطار عمل ومجموعة معايير مفتوحة المصدر تُمكّن من تقدير وضعية جسم الإنسان بشكل مستدام عبر توفير بروتوكولات موحدة للتعلم المستمر، مما يسمح للنماذج بالتكيف مع المجالات والأنماط ومجموعات النقاط المفتاحية المتغيرة بأقل قدر من الإشراف ودون الحاجة إلى إعادة تدريب كامل مكلف حاسوبياً.

المؤلفون الأصليون: Muhammad Saif Ullah Khan, Didier Stricker

نُشر 2026-02-26

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Muhammad Saif Ullah Khan, Didier Stricker

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 أن لديك مدرباً شخصياً موهوباً للغاية (نموذج ذكاء اصطناعي) تعلم كيفية رصد وضعية تمارينك بدقة في صالة ألعاب رياضية مشرقة ومشمسة مع كاميرا واضحة. هذا المدرب بارع في عدّ تكراراتك وتحديد مواقع أكواعك وركبتيك.

ولكن الآن، تريد توظيف هذا المدرب لوظيفة جديدة:

الصالة الرياضية مظلمة: أنت تتمرن في قبو خافت الإضاءة.
الصالة الرياضية مزدحمة: هناك 20 شخصاً آخرين يتمرنون، وهم يحجبون رؤيتك باستمرار.
الكاميرا تغيرت: بدلاً من فيديو عادي، تستخدم الآن كاميرا حرارية أو مستشعراً للعمق (مثل الماسح الضوئي ثلاثي الأبعاد).
أجزاء جسم جديدة: تريد من المدرب أيضاً تتبع وجهك وعمودك الفقري، وليس فقط أطرافك.

المشكلة:
إذا وظفت مدرب ذكاء اصطناعي قياسي، فلديك عادةً خياران سيئان:

الخيار (أ) (إعادة التدريب من الصفر): طرد المدرب وتوظيف مدرب جديد تماماً يعرف فقط كيف يعمل في الظلام. لكنه الآن قد نسي كيف يعمل في الصالة المشرقة.
الخيار (ب) (الضبط الدقيق الساذج): محاولة تعليم المدرب القديم حِيلاً جديدة. لكنه يرتبك! فهو يحاول جاهداً تعلم قواعد الصالة المظلمة الجديدة لدرجة أنه ينسى قواعد الصالة المشرقة القديمة. وهذا ما يسمى بـ "النسيان الكارثي".

الحل: PoseAdapt
ابتكر مؤلفو هذه الورقة البحثية PoseAdapt. فكر في هذا كـ "صالة ألعاب رياضية للتعلم المستمر" لمدربي الذكاء الاصطناعي.

بدلاً من طرد المدرب أو تركه ينسى كل شيء، يمنح PoseAdapt المدرب مجموعة خاصة من قواعد التدريب (التعلم المستمر) التي تسمح له بـ:

تعلم مهارات جديدة (مثل الرؤية في الظلام أو تتبع الوجه).
الحفاظ على مهاراته القديمة (تذكر تتبع الأطراف في الضوء).
القيام بذلك بكفاءة دون الحاجة إلى كمبيوتر ضخم أو إعادة قراءة كل صورة قديمة رآها من قبل.

كيف يعمل (الاستعارات)

1. ذاكرة "اللقطة" (التنظيم - Regularization)
تخيل أن المدرب يأخذ لقطة ذهنية لمعرفته الحالية قبل تجربة شيء جديد.

LFL (التعلم الأقل نسياناً): يقول المدرب: "أحتاج لتعلم هذه الحركة الجديدة، ولكن يجب أن أحافظ على ذاكرة عضلاتي للحركات القديمة سليمة". إنه يدفع دماغه بلطف لتعلم الشيء الجديد دون مسح القديم.
LwF (التعلم بدون نسيان): يقول المدرب: "عندما أرى تمريناً قديماً، يجب أن أعطي نفس الإجابة التي كنت أعطيها من قبل، حتى أثناء تعلمي للأشياء الجديدة". إنه يستخدم "ذاته القديمة" كمعلم لتوجيه "ذاته الجديدة".

2. "حقيبة الظهر المتوسعة" (الزيادة التدريجية للفئات - Class-Incremental)
تخيل أن المدرب يبدأ بحقيبة ظهر تحتوي على 17 أداة (لـ 17 جزءاً من الجسم).

يسمح PoseAdapt للمدرب بـ إضافة جيوب جديدة لحقيبة الظهر أثناء تعلمه عن أجزاء الجسم الجديدة (مثل الوجه أو العمود الفقري).
والأهم من ذلك، أن إضافة هذه الجيوب الجديدة لا تسحق الأدوات القديمة بداخلها. الحقيبة تنمو، لكن الأدوات الأصلية تظل آمنة وتعمل بشكل جيد.

3. "الميزانية الصارمة" (المعيار المرجعي - Benchmark)
لم يصنع الباحثون مجرد لعبة؛ بل بنوا اختباراً صارماً.

أخبروا المدربين: "يمكنكم فقط النظر إلى 1,000 صورة جديدة ولديكم 10 دقائق فقط للتعلم".
لا يمكنك النظر إلى صورك القديمة مرة أخرى.
لا يمكنك تغيير البنية الأساسية لدماغك (العمود الفقري/Backbone)، بل فقط الطبقة العليا حيث تتخذ قراراتك.
هذا يحاكي الواقع: ليس لديك وقت أو مساحة تخزين غير محدودة في روبوت أو هاتف.

ماذا وجدوا؟

اختبروا هؤلاء "المدربين الأذكياء" ضد ثلاثة سيناريوهات صعبة:

الصالة المزدحمة (الكثافة): عندما يحجب الناس الرؤية، ارتبك المدربون قليلاً، لكن طريقة "الأقل نسياناً" حافظت على استقرارهم.
القبو المظلم (الإضاءة): كان هذا صعباً. فكلما زاد الظلام، عانى المدربون لتذكر الصالة المشرقة. كانت طريقة "الأقل نسياناً" هي الأفضل في الحفاظ على المهارات القديمة حية.
الماسح الضوئي ثلاثي الأبعاد (تعدد الوسائط/الأنماط): كان هذا هو الأصعب. الانتقال من كاميرا عادية إلى مستشعر عمق يشبه الانتقال من قراءة كتاب إلى الاستماع إلى الراديو. ارتبك المدربون بشدة. لم يستطع أي منهم التعامل مع هذا التحول بشكل مثالي بعد، مما يظهر أننا بحاجة إلى تكنولوجيا أفضل لهذا النوع من القفزات.

لماذا هذا مهم؟

في العالم الحقيقي، لا يمكن للروبوتات، والسيارات ذاتية القيادة، وتطبيقات الصحة إعادة تدريب نفسها من الصفر في كل مرة تتغير فيها الإضاءة أو يُضاف مستشعر جديد. يجب أن تكون قادرة على التكيف فورياً.

PoseAdapt يشبه دليل التدريب وميدان الاختبار للذكاء الاصطناعي. فهو يساعد الباحثين في معرفة أفضل طريقة لتعليم الذكاء الاصطناعي كيفية تعلم أشياء جديدة دون نسيان الأشياء القديمة، مما يضمن أن مساعدينا من الذكاء الاصطناعي يمكنهم النمو ليصبحوا أكثر ذكاءً وفائدة بمرور الوقت، تماماً كما يفعل البشر.

باخت مختصر: يعلم PoseAdapt الذكاء الاصطناعي كيف يكون متعلماً مدى الحياة، وليس مجرد "لاعب بمهارة واحدة".

إليك ملخص تقني مفصل لورقة البحث بعنوان "PoseAdapt: تقدير وضعية الجسم المستدام عبر التعلم المستمر."

1. بيان المشكلة

تعتبر أنظمة تقدير وضعية جسم الإنسان (HPE) الحالية استاتيكية (ثابتة) بشكل جوهري؛ حيث يتم تدريبها مرة واحدة على مجموعات بيانات ثابتة، ثم تُنشر تحت افتراض أن توزيعات الاختبار تطابق بيانات التدريب. في السيناريوهات الواقعية، تواجه النماذج تدهوراً كبيراً في الأداء بسبب:

انزياحات النطاق (Domain Shifts): التغيرات في الإضاءة، زاوية الرؤية، كثافة المشهد (الانسداد)، وأنماط الاستشعار (مثل الانتقال من RGB إلى العمق).
نمو الهيكل العظمي (Skeleton Growth): الحاجة للتكيف مع مجموعات نقاط مفصلية جديدة (مثل إضافة نقاط الوجه أو العمود الفقري) دون الحاجة لإعادة التدريب من الصفر.

الحلول الحالية غير فعالة:

إعادة التدريب من الصفر: مكلفة حاسوبياً وغير عملية للأجهزة الطرفية (Edge Devices).
الضبط الدقيق الساذج (Naive Fine-tuning): يؤدي إلى النسيان الكارثي (Catastrophic Forgetting)، حيث يفقد النموذج دقة الأداء في النطاقات أو المهام السابقة أثناء التكيف مع المهام الجديدة.
التعميم عبر الهياكل العظمية: غالباً ما يعتمد على نماذج خلفية ضخمة أو إشراف واسع النطاق، مما يحد من قابلية النشر.

تجادل الورقة بأن التعلم المستمر (Continual Learning - CL) يمثل بديلاً مستداماً، مما يسمح للنماذج بدمج نطاقات أو نقاط مفصلية جديدة بشكل تدريجي مع الاحتفاظ بالأداء السابق دون الحاجة للوصول إلى البيانات التاريخية.

2. المنهجية: إطار عمل PoseAdapt

يعتبر PoseAdapt إطار عمل مفتوح المصدر ومجموعة اختبار (Benchmark) مبنية فوق MMPose. وهو يقوم بفصل آليات التكيف المستمر عن النماذج الخلفية (Backbones) أو مجموعات البيانات المحددة.

البنية الأساسية

يعالج إطار العمل تدفقاً من التجارب $\mathcal{E}_1, \dots, \mathcal{E}_T$ ، حيث توفر كل تجربة مجموعة بيانات $D_i$ (نطاق جديد أو هيكل عظمي موسع). ويعمل عبر ثلاث مراحل:

التهيئة (Initialization): تجهيز النموذج للتجربة الجديدة.
- بالنسبة لاستراتيجيات الهيكل الثابت، يتم إنشاء نسخة "معلم" مجمدة ( $\tilde{\mathcal{M}}_{i-1}$ ).
- بالنسبة لمهام زيادة الفئات، يتم توسيع رأس التنبؤ لاستيعاب نقاط مفصلية جديدة ( $W_i = [W_{i-1} \; \Delta W_i]$ ).
التكيف (Adaptation): تحسين المعلمات على $D_i$ $D_{i}$ باستخدام فقد مُشرف ( $\mathcal{L}_{kpt}$ $L_{k pt}$ ) بالإضافة إلى منظم خاص بالاستراتيجية ( $\mathcal{L}_{reg}$ $L_{r e g}$ ).
- LFL (التعلم الأقل نسياناً): يقيد هندسة مستخرج الميزات عبر متوسط مربع الخطأ (MSE) بين ميزات المعلم الحالي والميزات الحالية.
- LwF (التعلم دون نسيان): يقوم بتقطير سلوك مخرجات المعلم باستخدام تباعد KL على الـ (logits).
- EWC (توحيد الوزن المرن): يعاقب الانحراف عن المعلمات السابقة بناءً على معلومات فيشر (Fisher Information).
الإنهاء (Finalization): تحديث نسخة المعلم أو حساب مصفوفات أهمية فيشر للخطوة التالية.

مسارات الاختبار (Benchmark Tracks)

يحدد PoseAdapt مسارين صارمين مع قيود مشددة: النموذج الخلفي الخفيف الثابت (RTMPose-t)، عدم الوصول إلى البيانات السابقة، وميزانيات زمنية ضيقة لكل خطوة (1000 صورة، 10 حقبات تدريبية).

مسار زيادة النطاق (Domain-Incremental Track): يحاكي انزياحات التوزيع الواقعية.
- كثافة المشهد: زيادة كثافة الحشود والانسداد الاصطناعي (كتل القطع/Cutout).
- الإضاءة: التعتيم التدريجي من الإضاءة الجيدة إلى الإضاءة المنخفضة للغاية.
- النمط (Modality): التحول من RGB إلى التدرج الرمادي (Grayscale) وخرائط العمق أحادية المنظور (Monocular Depth).
مسار زيادة الفئات (Class-Incremental Track): يحاكي نمو الهيكل العظمي.
- يتعلم النموذج تدريجياً نقاط مفصلية جديدة (الجسم $\leftarrow$ القدمين $\leftarrow$ اليدين $\leftarrow$ الوجه $\leftarrow$ العمود الفقري) مع الاحتفاظ بالدقة في أجزاء الجسم التي تعلمها سابقاً.

3. المساهمات الرئيسية

إطار عمل PoseAdapt: مجموعة أدوات نمطية مفتوحة المصدر تتيح للباحثين تنفيذ استراتيجيات التعلم المستمر كإضافات (Plugins)، وللممارسين تكييف النماذج المدربة مسبقاً بأقل قدر من الإشراف.
بروتوكولات اختبار واقعية: مجموعة من الاختبارات التي تلتقط التحولات التدريجية في الدقة، الانسداد، الإضاءة، النمط، وهيكل الهيكل العظمي، مع فرض قيود موجهة للنشر (لا يوجد مخزن إعادة تشغيل، حوسبة ثابتة).
التقييم المنهجي: أول بيئة اختبار محكومة لتقييم استراتيجيات التعلم المستمر لتقدير الوضعية على نطاق واسع، مما يوفر مقاييس معيارية (دقة الاحتفاظ، متوسط النسيان) وخطوط إنتاج قابلة لإعادة الإنتاج لتوليد الانزياحات.

4. النتائج التجريبية

قام المؤلفون بتقييم الضبط الدقيق الساذج (FT)، وEWC، وLFL، وLwF عبر مسارات الاختبار.

الضبط الدقيق الساذج (FT): غير مستقر للغاية. يتكيف جيداً مع النطاق الحالي ولكنه يؤدي بسرعة إلى تآكل الأداء في النطاقات السابقة، وغالباً ما ينخفض أداؤه عن أداء النموذج المدرب مسبقاً والمجمد.
طرق التنظيم (Regularization Methods):
- LFL: أظهر أكبر قدر من الاستقرار عبر التحولات الفوتومترية (الإضاءة والكثافة). حافظ على أعلى دقة احتفاظ (RA) وأظهر أبطأ معدل تدهور في مصفوفات الأداء غير القطرية.
- LwF: أظهر مرونة (Plasticity) فائقة (أداء النطاق المستهدف)، محققاً أفضل تكيف في خطوة واحدة على خرائط العمق. ومع ذلك، عانى من نسيان تراكمي أعلى في الإعدادات المتسلسلة.
- EWC: قدم أداءً متوسطاً ولكنه واجه صعوبة مع الانزياحات الشديدة، مما أظهر مرونة محدودة تحت تغيرات النطاق القوية.
انزياحات النمط (الحالة الأصعب):
- كان التحول من RGB إلى العمق (Depth) هو الأكثر حدة. عانت جميع الطرق من نسيان كارثي لنطاق RGB عند التكيف مع العمق.
- انخفضت دقة الاحتفاظ (RA) إلى حوالي 15-20% عبر جميع الطرق، مما يشير إلى أن التنظيم البسيط غير كافٍ للتكيف عبر المستشعرات دون تغييرات هيكلية أو مقدمات (Priors) أقوى.
الإضاءة مقابل الكثافة: تسببت انزياحات الإضاءة في انزياح أكبر من انزياحات الكثافة. ظل LFL هو الطريقة الأكثر قوة لتغيرات الإضاءة.

5. الأهمية والأثر

النشر المستدام: يوفر PoseAdapt مساراً لنشر نماذج HPE في البيئات الديناميكية (مثل الروبوتات، تحليل الرياضة، الرعاية الصحية) حيث يكون إعادة التدريب مستحيلاً وتمنع خصوصية البيانات تخزين الأمثلة السابقة.
التقييد (Standardization): يسد فجوة حرجة في الأدبيات من خلال توفير اختبار مرجعي خاص بوضعية الجسم، متجاوزاً التقسيمات الاستاتيكية لتقييم الاحتفاظ طويل الأمد والتعلم التدريجي.
إرشادات التصميم: تسلط النتائج الضوء على أهداف تصميم محددة للبحوث المستقبلية:
- هناك حاجة لمحاذاة ميزات أقوى للتكيف عبر الأنماط (RGB $\leftarrow$ Depth).
- يعتبر LFL حالياً المنظم المفضل للاستقرار الفوتومتري.
- استراتيجيات توسيع الرأس (Head-expansion) ضرورية لسيناريوهات نمو الهيكل العظمي.

القيود والعمل المستقبلي:
تعتمد الاختبارات الحالية بشكل كبير على الانزياحات الاصطناعية (مثل خرائط العمق المولدة، والانسداد المحاكى) ولا تغطي بعد الاتساق الزمني (الفيديو) أو وضعية الجسم ثلاثية الأبعاد (3D). يهدف العمل المستقبلي إلى دمج التعلم القائم على المحولات (Adapter-based learning)، واستراتيجيات إعادة التشغيل (Replay-informed)، وبيانات مستشعرات واقعية لتحسين الصلاحية البيئية.