💻 computer science

DeLiVR: Differential Spatiotemporal Lie Bias for Efficient Video Deraining

تُعد DeliVR طريقة فعالة لإزالة المطر من الفيديو، حيث تستفيد من انحيازات زمرة "لي" (Lie-group) المكانية والزمانية التفاضلية ضمن آليات الانتباه لتحقيق محاذاة متسقة هندسيًا وإزالة دقيقة لخطوط المطر، متجاوزةً بذلك القيود الحسابية وقيود المتانة التي تفرضها الأساليب الحالية القائمة على التدفق البصري.

المؤلفون الأصليون: Shuning Sun, Jialang Lu, Xiang Chen, Jichao Wang, Dianjie Lu, Guijuan Zhang, Guangwei Gao, Zhuoran Zheng

نُشر 2026-02-17

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Shuning Sun, Jialang Lu, Xiang Chen, Jichao Wang, Dianjie Lu, Guijuan Zhang, Guangwei Gao, Zhuoran Zheng

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

إليك شرح ورقة DeLiVR البحثية، مترجمة إلى لغة بسيطة مع تشبيهات إبداعية.

🌧️ المشكلة: محاولة مشاهدة فيلم وسط عاصفة

تخيل أنك تحاول مشاهدة فيلم جميل على هاتفك بينما تقف في الخارج وسط عاصفة مطرية غزيرة. المطر لا يسقط فحمة فحسب؛ بل يصطدم بشاشتك، مما يخلق خطوطاً وتشوهاً في الصورة، ويجعل من الصعب رؤية الممثلين.

الآن، تخيل أن كاميرا هاتفك تهتز قليلاً أيضاً لأنك تمسكها في مهب الريح.

المطر: يشبه الضوضاء الساكنة (Static) في التلفاز، لكنه متحرك. إنه يخفي التفاصيل.
الاهتزاز: لأن الكاميرا تتحرك، فإن الأجزاء "النظيفة" من الفيديو لا تتطابق تماماً من إطار (Frame) إلى الإطار الذي يليه.
الحلول القديمة: حاولت البرامج الحاسوبية السابقة إصلاح ذلك عبر التخمين أين ذهب المطر (باستخدام ما يسمى بـ "التدفق البصري" أو optical flow). ولكن في العاصفة، يربك المطر الكمبيوتر، ويجعل اهتزاز الكاميرا الكمبيوتر يخطئ في التخمين. الأمر يشبه محاولة حل لغز بينما يقوم شخص ما بتدوير الطاولة باستمرار. والنتيجة؟ يبدو الفيديو ضبابياً، أو قد يقوم الكمبيوتر بمسح أجزاء من المشهد الحقيقي عن طريق الخطأ.

🧭 الحل الجديد: DeLiVR (الملاح باستخدام "مجموعة Lie")

قرر مؤلفو هذه الورقة، DeLiVR، التوقف عن التخمين والبدء في استخدام الهندسة الرياضية لفهم كيفية تحرك الكاميرا والمطر بدقة.

فكر في طريقتهم كأنها تمنح الكمبيوتر بوصلة وخريطة خاصة تفهم قوانين الدوران.

1. "رأس SO(2)" (البوصلة)

تخيل أن الكاميرا مثل "البلبل" (Spinning Top) الذي يدور. حتى لو كان يهتز، فهو يدور بشكل أساسي في مستوى مسطح (يسار، يمين، أعلى، أسفل).

ما يفعله DeLiVR: لديه "عقل" صغير (يسمى رأس SO(2)) ينظر إلى كل إطار وفيديو ويسأل: "كم دارت الكاميرا للتو؟"
التشبيه: إنه مثل طيار في طائرة يعرف بالضبط عدد الدرجات التي مالت بها الطائرة. بدلاً من التخمين، يحسب الكمبيوتر الزاوية الدقيقة (مثلاً: "لقد ملتُ 5 درجات إلى اليسار").

2. "مجموعة Lie" (الخريطة المثالية)

في الرياضيات، هناك مفهوم يسمى "مجموعة Lie". لا تدع الاسم يخيفك. فكر فيها كأنها خريطة سلسة ومستمرة تماماً لجميع الدورات الممكنة.

لماذا هي مهمة: حاولت الطرق القديمة رسم خريطة حركة متقطعة وغير دقيقة. أما DeLiVR فيستخدم خريطة رياضية سلسة. هذا يضمن أنه عندما يحاول الكمبيوتر محاذاة إطارات الفيديو، فإنه لا "يقفز" أو يرتكب أخطاء، بل يتبع المنحنى السلس للواقع.

3. "الانحياز التفاضلي" (شرطي المرور)

هذا هو المكون السحري. يستخدم الكمبيوتر بيانات الدوران لإنشاء "انحياز" (Bias) (دفعة توجيهية) لنظام الانتباه الخاص به.

التشبيه: تخيل أن الكمبيوتر عبلاً (أمين مكتبة) يحاول العثة صفحات متطابقة في كتابين مختلفين.
- بدون DeLiVR: يمسك أمين المكتبة صفحات عشوائية، ويصاب بالارتباك بسبب المطر، ويضعها في ترتيب خاطئ.
- مع DeLiVR: يمتلك أمين المكتبة شرطي مرور (الانحياز). يقول شرطي المرور: "مهلاً، الإطار (أ) مال بمقدار 5 درجات. لذا، عندما تنظر إلى الإطار (ب)، يجب أن تميل برأسك 5 درجات إلى اليسار لترى الجزء المطابق!"
هذه "الدفعة" تجبر الكمبيوتر على النظر إلى إطارات الفيديو بطريقة تحترم فيزياء الحركة. إنه يتجاهل خطوط المطر لأنها لا تتبع قواعد الدوران السلسة للعالم الحقيقي.

🚀 كيف يعمل في الحياة الواقعية

النظر: ينظر النظام إلى مقطع فيديو ممطر.
القياس: يحسب بدقة مقدار دوران الكاميرا بين الإطارات (باستخدام رأس SO(2)).
المحاذاة: يستخدم خريطة "مجموعة Lie" لتدوير قطع الصورة افتراضياً، بحيث تتطابق تماماً، مثل قطع الأحجية (Puzzle) التي تلتصق ببعضها.
التنظيف: بمجرد محاذاة القطع، يصبح من السهل معرفة ما هو "مطر" (والذي يبدو فوضوياً وغير متسق) وما هو "المشهد الحقيقي" (والذي يكون متسقاً). يقوم بإزالة المطر ويحافظ على التفاصيل حادة.

🏆 لماذا هو أفضل؟

لا مزيد من "الأشباح": غالباً ما تركت الطرق القديمة "أشباحاً" للأجسام لأنها لم تستطع محاذاة الإطارات بدقة. DeLiVR يقوم بمحاذاتها جيداً لدرجة أن الفيديو يبدو سلساً ومستقراً.
يعمل في العالم الحقيقي: معظم أنظمة الذكاء الاصطناعي تُدرب على مطر وهمي مولد بالحاسوب. DeLiVR يعمل بشكل رائع مع المطر الحقيقي لأنه يفهم هندسة الحركة، وليس فقط شكل المطر.
يساعد الروبوتات: توضح الورقة أننا إذا قمنا بتنظيف الفيديو أولاً، فإن السيارات ذاتية القيادة والروبوتات يمكنها "الرؤية" بشكل أفضل. الأمر يشبه تنظيف الزجاج الأمسي المتسخ قبل القيادة؛ السيارة لن تصطدم كما يحدث عند وجود زجاج متسخ.

💡 الخلاصة الكبرى

DeLiVR يشبه منح الكمبيوتر "ذاكرة عضلية للدوران". بدلاً من التخمين الأعمى لكيفية إصلاح فيديو مهتز وممطر، فإنه يستخدم بوصلة رياضية لفهم كيفية تحرك العالم بدقة، مما يسمح له بمسح المطر وكشف الصورة الواضية تحتها.

باختختصار: إنه يحول فيديو فوضوياً، ضبابياً، ومهتزاً إلى فيلم واضح ومستقر عن طريق تعليم الكمبيوتر "قواعد الدوران".

إليك ملخص تقني مفصل لورقة البحث بعنوان "DeLiVR: Differential Spatiotemporal Lie Bias for Efficient Video Deraining"، المنشورة كبحث مؤتمر في ICL 2026.

1. بيان المشكلة

غالبًا ما تعاني الفيديوهات الملتقطة في البيئات الخارجية من خطوط المطر، والضبابية، والضجيج. وبالإضافة إلى التدهور البصري، تؤثر هذه العيوب بشدة على مهام الرؤية الحاسوبية اللاحقة مثل اكتشاف الأشياء والتقسيم الدلالي.

التحديات: تعتمد طرق إزالة المطر من الفيديو الحالية بشكل كبير على التدفق البصري (Optical Flow) أو المحاذاة الاستدلالية. هذه الأساليب مكلفة حاسوبيًا وغالبًا ما تفشل في الظروف المعقدة (مثل اهتزاز الكاميرا، أو الحركة السريعة، أو كثافة المطر المتغيرة) لأن فرضية ثبات السطوع المطلوبة للتدفق البصري تنهار في المشاهد الممطرة.
الفجوة: تفتقر طرق التعلم العميق الحالية (CNNs، Transformers) غالبًا إلى الضوابط الهندسية الصريحة، مما يؤدي إلى عدم المحاذاতা والآثار الزمنية عند التعامل مع تغيرات وضعية الكاميرا أو الدورات.

2. المنهجية: DeLiVR

يقترح المؤلفون DeLiVR، وهو إطار عمل فعال لإزالة المي المطر من الفيديو يدمج نظرية زمرة لي (Lie group theory) مباشرة في آلية الانتباه (Attention mechanism) لخلفية "ترانسفورمر" (Transformer). بدلاً من الاعتماد على التدفق البصري الهش، يستخدم DeLiVR تحويلات هندسية مستمرة لفرض الاتساق المكاني والزماني.

البنية الأساسية

يعالج النموذج مقاطع الفيديو عن طريق تقسيمها إلى رقع (Patches)، وتحويلها إلى رموز (Tokens)، وتمريرها عبر خلفية Lie Transformer. الابتكار الرئيسي هو حقن انحياز تفاضلي لزمرة لي مكاني-زماني (Spatiotemporal Lie-Group Differential Bias) في درجات الانتباه الذاتي.

المكونات الرئيسية

رأس SO(2) (تقدير الدوران):
- وحدة خفيفة الوزن تتنبأ بزاوية الدوران داخل المستوي ( $\theta$ ) لكل إطار.
- تستخدم جبر لي $\mathfrak{so}(2)$ (المصفوفات متماثلة الانعكاس) والخريطة الأسية (Exponential map) لتوليد مصفوفات دوران صالحة $R(\theta) \in SO(2)$ .
- يتم تقييد مقدار الدوران (بحدود) لضمان الاستقرار العددي ومنع الحلول المتدهورة.
انحياز لي النسبي المحدود بالدوران (مكاني):
- يفرض هذا المكون محاذاة متسقة هندسيًا.
- يقوم بتدوير الإحداثيات المكانية الطبيعية لرموز الرقع بناءً على دوران الإطار المتوقع.
- يتم حساب انحياز الانتباه كحاصل الضرب الداخلي لهذه الإحداثيات المدورة، مما يضمن أن الشبكة تجمع الميزات من مواضع محاذات هندسية عبر الإطارات، حتى لو دارت الكاميرا.
الإزاحة التفاضلية للمجموعة (زماني):
- يلتقط هذا المكون السرعة الزاوية واتجاهات الحركة بين الإطارات المتجاورة.
- يحسب الحركة النسبية $\Delta R_t = R_{t-1}^\top R_t$ ويقوم بإسقاطها على جبر لي باستخدام خريطة اللوغاريتم لتقدير الإزاحة الزاوية.
- ينشئ هذا انحيازًا زمانيًا يعاقب الأزواج ذات التباينات الكبيرة في الوضعية، مما يساعد النموذج على التمييز بين الحركة الحقيقية وضوضاء المطر.
الانحياز المكاني-الزماني الموحد:
- يتم دمج الانحيازات المكانية والزمانية مع الاضمحلال الزماني (Temporal decay) (لإعطاء وزن أكبر للتفاعلات قصيرة المدى) وقناع انتباه حزمي (Banded attention mask) (لحصر الانتباه في نوافذ زمنية محلية).
- يُضاف هذا الانحياز الموحد مباشرة إلى لوغاريتمات الانتباه (Attention logits): $\text{Logits} = \frac{QK^\top}{\sqrt{d}} + B_{\text{total}}$ .
دالة الخسارة (Loss Function):
- يتم تدريب النموذج من البداية إلى النهاية باستخدام خسارة هجينة: خسارة إعادة البناء ( $L_1$ ) + منظم مقدار الدوران + منظم سرعة "لي" (لضمان التطور الزماني السلس).

3. المساهمات الرئيسية

نموذج جديد: أول تقديم لـ نظرية زمرة لي (Lie group theory) في مجال إزالة المطر من الفيديو. يوفر بديلاً مبنيًا على المبادئ والهندسة للتدفق البصري لمحاذاة الميزات.
آلية لي التفاضلية المكانية-الزمانية: يقترح انحيازين متكاملين:
1. انحياز لي النسبي المحدود بالدوران: للمحاذاة المكانية المتسقة هندسيًا.
2. الإزاحة التفاضلية للمجموعة: لتقدير السرعة الزدوية والاتساق الزماني.
الكفاءة والمتانة: يتجنب النموذج حسابات التدفق البصري الثقيلة، مما ينتج نموذجًا خفيف الوزن يتسم بالمتانة تجاه اهتزاز الكاميرا وكثافة المطر المتغيرة.
الأثر اللاحق: يوضح أن إزالة آثار المطر يحسن دقة مهام الرؤية عالية المستوى (اكتشاف الأشياء، التقسيم الدلالي).

4. النتائج التجريبية

قيم المؤلفون DeLiVR على أربعة معايير: NTURain، وRain-Syn-Light، وRain-Syn-Complex (اصطناعي)، وWeatherBench (واقعي).

الأداء الكمي:
- حقق DeLiVR نتائج الأفضل في فئته (SOTA) في مجموعة بيانات WeatherBench الواقعية (PSNR: 26.56، SSIM: 0.781)، متفوقًا بشكل كبير على المنافس الثاني VDMamba (PSNR: 23.91).
- أظهر قدرة فائقة على التعميم في السيناريوهات الواقعية مقارنة بالطرق التي تعمل جيدًا في البيانات الاصطناعية وتفشل في البيانات الواقعية.
التحليل النوعي:
- تُظهر المقارنات البصرية أن DeLiVR ينتج صورًا أكثر حدة مع عيوب أقل وحفاظ أفضل على الأنسجة الدقيقة مقارنة بنماذج CNN وTransformer الأساسية (مثل MFGAN وViWS-Net).
- يعمل بفعالية على إزالة خطوط المطر دون إدخال وميض (Flickering) زماني.
دراسات الاستئصال (Ablation Studies):
- أدت إضافة الانحياز المكاني إلى تحسين PSNR بمقدار 1.37 dB.
- أدت إضافة الانحياز الزماني إلى تعزيز الأداء بشكل أكبر.
- حقق النموذج الكامل (مع التضاؤل والقناع) أفضل النتائج.
الكفاءة:
- يتميز DeLiVR بكفاءة عالية، حيث يستخدم 2.64 مليون معلمة فقط (مقارنة بـ 38 مليون+ لبعض النماذج الأساسية) ويحقق أوقات استدلال سريعة، مما يجعله مناسبًا للنشر في العالم الحقيقي.
المهام اللاحقة:
- أظهرت التجارب أن الفيديوهات المعالجة بواسطة DeLiVR حسنت بشكل كبير أداء نماذج اكتشاف الأشياء والتقسيم الدلالي مقارنة بالمدخلات الممطرة الخام.

5. الأهمية

تجسر هذه الورقة الفجوة بين النظرية الهندسية والتعلم العميق لاستعادة الفيديو. من خلال ترميز قيود الحركة الفيزيائية (الدورات) صراحةً عبر مجموعات "لي" في آلية الانتباه، يحل DeLiVR مشكلة المحاذاة دون الاعتماد على التدفق البصري عرضة للخطأ.

الصرامة النظرية: يقدم نهجًا سليمًا رياضيًا للتعامل مع التحويلات المستمرة في بيانات الفيديو.
المنفعة العملية: الطريقة فعالة حاسوبيًا ومتينة، مما يعالج عقبة حرجة في القيادة الذاتية والملاحة الروبوتية حيث تكون الرؤية الموثوقة في الطقس السيئ أمرًا ضروريًا.
الاتجاه المستقبلي: يشير العمل إلى إمكانية توسيع هذه المبادئ لتشمل مجموعات تحويل أغنى (مثل SE(2)/SE(3)) للتعامل مع الديناميكيات غير الصلبة وحركات الكاميرا ثلاثية الأبعاد.