💻 computer science

ImmerIris: A Large-Scale Dataset and Benchmark for Off-Axis and Unconstrained Iris Recognition in Immersive Applications

تقدم هذه الورقة البحثية ImmerIris، وهي أكبر مجموعة بيانات عامة لقزحية العين حتى الآن تم جمعها عبر شاشات العرض المثبتة على الرأس للتطبيقات الغامرة، وتقترح نموذج تعرّف جديداً خالياً من المعايرة يتفوق على الطرق التقليدية من خلال التعلم المباشر من صور العين ذات المحور المنحرف والمعدلة بحد أدنى.

المؤلفون الأصليون: Yuxi Mi, Qiuyang Yuan, Zhizhou Zhong, Xuan Zhao, Jiaogen Zhou, Fubao Zhu, Jihong Guan, Shuigeng Zhou

نُشر 2026-04-28

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yuxi Mi, Qiuyang Yuan, Zhizhou Zhong, Xuan Zhao, Jiaogen Zhou, Fubao Zhu, Jihong Guan, Shuigeng Zhou

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 أمضيت سنوات في إتقان نظام للتعرف على الأشخاص من خلال أعينهم. في الأيام الخوالي، كان هذا يعمل مثل كشك صور جواز السفر: تقف ثابتاً، وتنظر مباشرة إلى كاميرا خاصة، وتكون الإضاءة مثالية. يقوم النظام بالتقاط تلك الصورة المثالية والمباشرة، ثم يحول انحناء عينك إلى شريط مستقيم (مثل فرد خريطة)، وبعد ذلك يمسحه بحثاً عن تطابق. لقد نجح الأمر بشكل رائع في ذلك الكشك المنضبط.

لكن الآن، تخيل محاولة استخدام نفس النظام بينما ترتدي نظارة واقع افتراضي (VR) للعب لعبة أو مشاهدة فيلم.

المشكلة: "صورة جواز السفر" مقابل "نظارة الواقع الافتراضي"

عندما ترتدي نظارة واقع افتراضي، لا تنظر الكاميرات إلى عينيك بشكل مباشر؛ بل تنظر من الجانب (بزاوية مائلة). وأنت لا تحدق في الكاميرا؛ بل تنظر إلى تنين أو سفينة فضائية. الإضاءة تتغير مع سطوع أو خفوت الشاشة. أحياناً تتدلى جفونك، أو ترمش.

تسمي الورقة البحثية هذه الحالة بـ "التعرف على قزحية العين في البيئات الغامرة" (Immersive Iris Recognition). الأمر يشبه محاولة التعرف على صديق ليس من خلال صورة جواز سفره، بل من خلال لقطة جانبية ضبابية التُقطت له أثناء ركضه في غرفة مظلمة ومزدحمة.

طريقة "فرد العين" القديمة (التي تسمى التطبيع - normalization) تنهار هنا. فإذا حاولت تسطيح صورة عين جانبية ومشوهة وتحويلها إلى شريط مستقيم، سينتهي بك الأمر بمزيج فوضوي وغير قابل للتمييز. الأمر يشبه محاولة كي قطعة ورق مجعدة ومبللة؛ فكلما حاولت جعلها ملساء، تمزقت أكثر.

الحل: مجموعة بيانات جديدة وطريقة تفكير جديدة

قام مؤلفو هذه الورقة بشيئين رئيسيين لإصلاح ذلك:

1. بنوا "صالة تدريب" ضخمة جديدة (مجموعة البيانات)
لقد أنشأوا مجموعة بيانات تسمى ImmerIris. فكر في هذا كأنها مكتبة ضخمة من صور العيون التي التُقطت خصيصمًا تحت ظروف الواقع الافتراضي الفوضوية هذه.

النطاق: التقطوا ما يقرب من 500,000 صورة لـ 546 شخصًا مختلفًا.
الإعداد: ارتدى الأشخاص نظارات واقع افتراضي. عرضت النظارة شبكة من المربعات الحمراء وطلبت منهم النظر إلى نقاط مختلفة. تغير سطوع الشاشة تلقائيًا لمحاكاة تغيرات الإضاءة المختلفة.
النتيجة: هذه هي أكبر مجموعة عامة من صور العيون "الفوضوية" التي تم إنشاؤها على الإطلاق. وهي تلتقط كل التشوهات الغريبة، وتغيرات الإضاءة، والرمش الذي يحدث في الحياة الواقعية.

2. ابتكروا "أسلوب تعرّف" جديدًا (الطريقة)
أدركوا أن الطريقة القديمة المتمثلة في "فرد العين" كانت هي المشكلة. لذا، جربوا نهجًا مختلفًا تمامًا، وهو ما يسمونه NormFree (الخالي من التطبيع).

الطريقة القديمة (أحدث ما توصل إليه العلم - SOTA): خذ صورة العين $\leftarrow$ حاول "فردها" رياضيًا لتصبح شريطًا مثاليًا $\leftarrow$ امسح الشريط بحثًا عن تطابق. (هذا يفشل عندما تكون العين جانبية أو ضبابية).
الطريقة الجديدة (NormFree): خذ صورة العين $\leftarrow$ قم فقط بقص مربع حول العين (بما في ذلك جزء من الجلد المحيط بها) $\leftarrow$ غَذِّ هذا المربع الخام، غير المنتظم قليلاً، مباشرة في ذكاء اصطناعي متطور.

التشبيه:
فكر في الطريقة القديمة كأنها مترجم يصر على تحويل كل جملة إلى قواعد لغوية صارمة ومثالية قبل فهمها. إذا كانت الجملة تحتوي على لغة عامية أو مكسرة، سيتعثر المترجم.
أما الطريقة الجديدة فهي تشبه متعدد اللغات الذي يستمع ببساطة إلى الصوت الخام للكلمات. هو لا يهتم إذا كانت القواعد مثالية أو إذا كان الشخص يهمس؛ هو فقط يتعرف على الصوت مباشرة.

ما وجدوه

اختبروا طريقتهم الجديدة مقابل أفضل الطرق الموجودة باستخدام مجموعة بياناتهم الجديدة.

الطرق القديمة: عندما انتقلوا من "كشك الصور المثالي" إلى "نظارة الواقع الافتراضي الفوضوية"، انهارت الطرق القديمة. انخفضت دقتها بشكل كبير، مثل سيارة تفقد إطاراتها على طريق طيني.
الطريقة الجديدة: نهج "NormFree"، الذي تخطى خطوة "الفرد" المعقدة تمامًا، حقق أداءً أفضل بكثير. كان الأمر أشبه بقيادة سيارة بإطارات مخصصة لجميع التضاريس بدلاً من إطارات السباق الملساء. لقد تعامل مع التشوه، والرمش، والزوايا الغريبة بشكل أكثر فعالية.

الخلاصة

تخلص الورقة البحثية إلى أنه بالنسبة لمستقبل التعرف على العين في الواقع الافتراضي والواقع المعزز، نحتاج إلى التوقف عن محاولة فرض صور العالم الحقيقي الفوضوية في أشكال رياضية مثالية. بدلاً من ذلك، يجب أن نترك الذكاء الاصطناعي الحديث يتعلم مباشرة من الصور الخام غير المثالية.

لم يكتفوا بإيجاد خوارزمية أفضل فحسب؛ بل أثبتوا أن الطريقة القديمة في التفكير (فرد العين) هي في الواقع ما يعيق تقدمنا في عالم الانغماس الرقمي. ومن خلال إلغاء هذه الخطوة، يصبح التعرف أبسط وأكثر قوة.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "ImmerIris: مجموعة بيانات ومعيار واسع النطاق للتعرف على قزحية العين في الحالات غير المحورية وغير المقيدة في التطبيقات الغامرة."

1. بيان المشكلة

يعد التعرف على قزحية العين تقنية بيومترية ناضجة تُستخدم تقليدياً في البيئات المحكومة وعلى المحور (مثل مراقبة الحدود). ومع ذلك، أدى صعود التطبيقات الغامرة مثل الواقع الممتد (XR) والواقع الافتراضي (VR) إلى خلق حالة استخدام جديدة للتعرف السلس على المستخدم. هذا التحول يفرض ثلاثة تحديات حرجة تفشل الطرق التقليدية في معالجتها:

تشوه المنظور (Perspective Distortion): توضع الكاميرات في شاشات العرض المثبتة على الرأس (HMDs) بزاوية مائلة بالنسبة للعين، مما يجعل القزحية تظهر بشكل إهليلجي وممتد بشكل غير متساوٍ، بدلاً من كونها دائرية.
التباين داخل الشخص الواحد (Intra-Subject Variation): تؤدي العوامل البيئية (تغيرات الإضاءة) وسلوكيات المستخدم (تحولات اتجاه النظر) إلى تغيرات كبيرة في نسيج قزحية العين نفسها بمرور الوقت.
تدهور الجودة (Quality Degradation): تؤدي التفاعلات غير المقيدة إلى حدوث انسدادات (الجفون، الرموش)، وضبابية الحركة، والانعكاسات الضوئية (specular reflections).

مجموعات البيانات الحالية إما مملوكة لجهات خاصة، أو صغيرة النطاق، أو تم التقاطها في ظروف محكومة وعلى المحور. علاوة على ذلك، تعتمد طرق الحالة الراهنة (SOTA) في التعرف على القزحية بشكل كبير على مرحلة التسوية (Normalization) (فرد القزحية إلى شريط مستطيل)، وهي مرحلة معرضة للفشل الشديد عند مواجهة التشوهات والتدهورات القوية الموجودة في السيناريوهات الغامرة.

2. المنهجية

أ. مجموعة بيانات ImmerIris

يقدم المؤلفون ImmerIris، وهي أكبر مجموعة بيانات عامة لقزحية العين حتى الآن، والمصممة خصيصاً للتطبيقات الغامرة.

النطاق: 497,791 صورة عينية من 546 شخصاً.
الاستحواذ: تم جمع البيانات باستخدام سماعة رأس واقع افتراضي استهلاكية (Skyworth Pancake XR) مزودة بكاميرات أشعة تحت حمراء قريبة (NIR) مثبتة على الجانب.
البروتوكول: نظر المشاركون إلى شبكة 3×3 من نقاط النظر بينما تباين سطوع الشاشة عبر 11 مستوى لمحاكاة تغيرات الإضاءة. أنتج هذا 990 صورة لكل شخص.
التوسيم (Annotation): تتضمن مجموعة البيانات تنظيفاً صارماً (إزالة العيون غير القابلة للكشف) وتوسيماً للجودة عبر ستة أبعاد: انسداد الجفن/الرموش، اتساع حدقة العين، النظر المتطرف، الانعكاس الضوئي، وضبابية الحركة. تم تصنيف حوالي 42% من الصور على أنها متدهورة في بُعد واحد على الأقل.
بروتوكولات التقييم: تم تنظيم مجموعة البيانات في 8 بروتوكولات تتراوح من التحديات المعزولة (مثل Immer-Occlusion، Immer-Gaze) إلى السيناريوهات المركبة غير المقيدة (Immer-Any)، مما يسمح بالقياس المرجعي المنهجي.

ب. النهج المقترح: NormFree

تنتقد الورقة النموذج التقليدي المكون من مرحلتين (التقسيم $\leftarrow$ التسوية $\leftarrow$ استخراج الميزات)، بحجة أن خطوة التسوية هي العائق الأساسي في السيناريوهات غير المحورية.

التحول في النموذج: يقترح المؤلفون نموذجاً خالياً من التسوية (NormFree).
العملية:
1. الكشف والقص (Detection & Cropping): يحدد كاشف مدرب مسبقاً منطقة القزحية، ويُستخدم مربع إحاطة لقص الصورة العينية. يتم توسيع المربع (1.2 ضعف) ليشمل السياق المحيط بالعين (periocular context).
2. استخراج الميزات: بدلاً من فرد النسيج، يتم تغذية الصورة المقصوصة مباشرة في شبكة عصبية عميقة (ResNet-50) مدربة باستخدام فقدان الهامش الزاوي (ArcFace)، على غرار أنظمة التعرف على الوجه الحديثة.
المبرر: يستفيد هذا النهج من قوة الشبكات العصبية العميقة الحديثة للتعامل مع التباينات المعقدة دون الاعتماد على الفرد الهندسي للنسيج، والذي غالباً ما يفشل تحت تأثير التشوه.

3. المساهمات الرئيسية

مجموعة بيانات ImmerIris: أكبر مجموعة بيانات عامة لالتقاط تحديات التعرف على القزحية غير المحورية وغير المقيدة، وهي أكبر بكثير من أي مجموعة بيانات عامة موجودة للقزحية.
معيار شامل: مجموعة من 8 بروتوكولات تقييم تعزل وتجمع تحديات محددة (التشوه، التباين، التدهور) لاختبار أنظمة التعرف بصرامة.
نموذج NormFree: طريقة تعرف بسيطة وشاملة تلغي مرحلة التسوية. وتثبت الورقة أن هذا النهج يتفوق على الطرق المعقدة القائمة على التسوية في البيئات الغامرة.

4. النتائج التجريبية

قام المؤلفون بقياس 7 طرق من أحدث ما توصل إليه العلم (بما في ذلك مرشحات Gabor، وOM، وشبكات DNN مختلفة مثل ComplexIrisNet) مقابل طريقة NormFree المقترحة على مجموعة بيانات ImmerIris.

الفشل في النطاق المتقاطع (Cross-Domain Failure): حققت طرق SOTA المدربة على مجموعات بيانات تقليدية محكومة (CASIA-IrisV4) أداءً جيداً في الاختبارات المحكومة، لكنها عانت من انخفاض حاد في الأداء (ارتفع معدل الرفض الخاطئ FRR من ~1% إلى >80%) عند اختبارها على ImmerIris، مما يثبت أنها لا تعمم في السيناريوهات الغامرة.
الأداء في التحديات المركبة: في أصعب بروتوكول (Immer-Any)، حققت طريقة NormFree معدل رفض خاطئ (FRR) قدره 52.04% (عند FAR 1e-5) لاختبار العين الواحدة، متفوقة بشكل كبير على أفضل SOTA (وهي ComplexIrisNet بنسبة 57.62%)، ومتجاوزة بمراحل الطرق التقليدية مثل Gabor (83.20%).
التحديات المعزولة:
- الانسداد واتساع الحدقة: تعاملت NormFree مع هذه العوامل بفعالية، وغالباً ما احتلت المركز الأول أو الثاني.
- الإضاءة: أظهرت NormFree متانة تجاه تغيرات الإضاءة حيث عانتت الطرق القائمة على التسوية.
- تباين النظر: ظل هذا العامل الأكثر تحدياً لجميع الطرق، ومع ذلك حافظت NormFree على الصدارة.
دراسات الاستئصال (Ablation Studies):
- إزالة التسوية (NormFree) تفوقت باستمرار على الاحتفاظ بالتسوية (NormKeep)، حتى عند استخدام نفس بنية النموذج (backbone).
- كان تحسن الأداء في NormFree أقل اعتماداً على حجم النموذج، مما يشير إلى أن الفائدة تأتي من التحول في النموذج وليس مجرد سعة النموذج.

5. الأهمية والخاتمة

يتحدى هذا العمل بشكل أساسي الافتراض القائل بأن تسوية القزحية ضرورية للتعرف عالي الدقة. يوضح المؤلفون أنه في البيئات غير المحورية وغير المقيدة، تسبب مرحلة التسوية أخطاء أكثر مما تعالجه.

الأثر البحثي: تضع الورقة حجر الأساس لنموذج جديد، حيث أن معماريات التعلم العميق الحديثة، عند تطبيقها مباشرة على الصور ذات المعالجة الدنيا (على غرار التعرف على الوجه)، تعد أكثر ملاءمة لتشوهات أجهزة XR من طرق الفرد الهندسي التقليدية.
التطبيق العملي: توفر مجموعة بيانات ImmerIris ونموذج NormFree مساراً قابلاً للتطبيق لنشر تقنيات التعرف على القزحية الآمنة والسلسة في سماعات الواقع الافتراضي/المعزز الاستهلاكية، مما يتيح حالات استخدام مثل تسجيل الدخول التلقائي والدفع دون الحاجة إلى أن يحدق المستخدمون مباشرة في الكاميرا.

باختصار، تجادل الورقة بأن مستقبل التعرف على القزحية في البيئات الغامرة يكمن في التعلم العميق الشامل والخالي من التسوية المدعوم بمجموعات بيانات واسعة النطلة وواقعية مثل ImmerIris.