PercHead: Perceptual Head Model for Single-Image 3D Head Reconstruction & Editing
يُعد PercHead نموذجًا يعتمد على محول الرؤية (Vision Transformer)، ويحقق أداءً رائدًا في إعادة بناء الرأس ثلاثي الأبعاد من صورة واحدة، وتحريرًا ثلاثي الأبعاد قويًا ومنفصلًا، وذلك عبر الاستفادة من فقدٍ إدراكي مبتكر مشتق من DINOv2 وSAM 2.1 للتغلب على الغموض وتعزيز الجودة البصرية.
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 صورة فوتوغرافية مسطحة واحدة لشخص ما. الآن، تخيل أنك تريد تحويل هذه الصورة المسطحة إلى رأس رقمي ثلاثي الأبعاد بالكامل، قابل للتدوير، يمكنك التجول حوله، والتقريب منه، وحتى تغيير تسريحة الشعر أو العمر — كل ذلك دون التقاط صورة أخرى أبداً.
هذا هو بالضبط ما يفعله PercHead. إنه نموذج ذكاء اصطناعي جديد طوره باحثون في جامعة ميونيخ التقنية، يحل لغزاً معقداً للغاية: كيف يمكنك تخمين شكل الجزء الخلفي من رأس شخص ما بينما لم ترَ سوى مقدمته فقط؟
إليك شرح لكيفية عمله، باستخدام بعض التشبيهات من الحياة اليومية.
1. المشكلة: لغز "النقطة العمياء"
معظم أدوات إعادة البناء ثلاثية الأبعاد تشبه المصور الذي لا يعرف سوى كيفية التقاط الصور من زاوية واحدة. إذا عرضت عليهم صورة لوجه شخص، يمكنهم بناء نموذج ثلاثي الأبعاد للوجه، ولكن إذا حاولت تدوير النموذج لرؤية الجزء الخلفي من الرأس، فإن النموذج غالصف ما ينهار، أو يبدو مشوشاً، أو يتخيل ملامح غريبة (مثل أنف ثانٍ أو ظهر مسطح).
يحدث هذا لأن الذكاء الاصطناعي يحاول تخمين الأجزاء "غير المرئية" بناءً على حسابات بكسل ببكسل، وهو أمر يشبه محاولة تخمين حبكة فيلم بمجرد النظر إلى إطار واحد ضبابي. وغالباً ما يخطئ في التفاصيل.
2. الحل: "الناقد الفني" مقابل "عداد البكسلات"
السر الكامن وراء PercHead هو كيفية تعلمه تقييم عمله الخاص.
- الطرق القديمة (عداد البكسلات): تقوم نماذج الذكاء الاصطناعي التقليدية بمقارنة تخمينها ثلاثي الأبعاد بالصورة الحقيقية عن طريق عد البكسلات المتطابقة. إذا كان الشعر بعيداً قليلاً عن الواقع، فإنها تصاب بالذعر وتحاول فرض تطابق مثالي، مما يؤدي غالسب ما إلى نتيجة مشوشة وغير واضحة. الأمر يشبه طالباً يحاول حفظ لوحة من خلال عد كل ضربة فرشاة؛ فهو يفقد "إحساس" العمل الفني.
- PercHead (الناقد الفني): بدلاً من عد البكسلات، يستخدم PercHead أداتين من أدوات الذكاء الاصطناعي "فائقة الذكاء" (تُسمى DINOv2 و SAM 2.1) تعملان كخبراء نقد فني.
- DINOv2 يفهم "المفاهيم". هو يعرف كيف تبدو "النظارات"، و"الشعر"، و"ملمس الجلد" بطريقة دلالية عميقة. هو يخبر النموذج: "مهلاً، هذا الشعر يبدو ناعماً جداً؛ الشعر الحقيقي له ملمس".
- SAM 2.1 هو سيد الحدود. هو يعرف بالضبط أين ينتهي الشعر وأين تبدأ الجبهة.
من خلال استخدام هؤلاء "النقاد" بدلاً من "عداد البكسلات"، يتعلم PercHead إنشاء رؤوس تبدو حقيقية وتشعرك بأنها ثلاثية الأبعاد، حتى لو لم يكن تطابق البكسلات بنسبة 1 إلى 1. وهذا يسمح له بابتكار تفاصيل واقعية للجزء الخلفي من الرأس لم يسبق له رؤيتها من قبل.
3. البنية الهيكلية: "باني الليغو"
بُني PercHead على محول رؤية (Vision Transformer - ViT). فكر في هذا كباني "ليغو" ماهر.
- يأخذ صورتك ثنائية الأبعاد ويقسمها إلى قطع صغيرة من الأحجية (رقع/patches).
- لديه "هيكل عظمي" ثلاثي الأبعاد جاهز (يعتمد على نموذج وجه بشري قياسي يسمى FLAM).
- يستخدم آلية "انتباه متبادل" (cross-attention) خاصة. تخيل الباني وهو يمسك بالصورة ثنائية الأبعاد في يد والهيكل العظمي ثلاثي الأبعاد في اليد الأخرى. هو ينظر باستمرار إلى الصورة ليقول: "حسناً، هذا الجزء من الهيكل ثلاثي الأبعاد يجب أن يكون أنفاً، وهذا الجزء يجب أن يكون أذناً"، ثم يشكل النموذج ثلاثي الأبعاد ليتناسب مع ذلك.
ولأنه يستخدم نظام "المرجعية المتبادلة" الذكي هذا، يمكنه إنشاء رأس كامل بـ 360 درجة يظل متسقاً، حتى عندما تقوم بتدويره للنظر إلى الخلف.
4. الخدعة السحرية: التحرير المنفصل (Disentangled Editing)
بمجرد بناء الرأس ثلاثي الأبعاد، يقدم PercHead قوة خارقة: التحرير المنفصل.
عادةً، إذا أردت تغيير لون شعر شخص في نموذج ثلاثي الأبعاد، فقد تغير شكل وجهه بالخطأ أيضاً. يقوم PercHead بفصل (أو "فك ارتباط") الهندسة (شكل الوجه) عن النمط/الأسلوب (الشعر، لون البشرة، العمر).
- التحكم في الهندسة: يمكنك رسم مخطط تقريبي أو استخدام خريطة تقسيم (مخطط محدد بالألوان) لتخبر الذكاء الاصطناعي: "اجعل الشعر أطول" أو "حرك خط الفك". الذكاء الاصطناعي يحترم الشكل الذي تقدمه له.
- التحكم في النمط: يمكنك بعد ذلك كتابة نص مثل "شعر فضي، عمر متقدم" أو رفع صورة مرجعية لنمط معين. يقوم الذكاء الاصطناعي بتطبيق هذا النمط على الشكل الذي اخترته دون كسر البنية ثلاثية الأبعاد.
الأمر يشبه امتلاك تمثال من الطين (الهندسة) ومجموعة من الشعر المستعار وأدوات المكياج القابلة للتبديل (النمط). يمكنك تغيير الشعر المستعار دون تشويه وجه التمثال الطيني.
5. لماذا يهم هذا؟
- للألعاب والميتافيرس: يمكنك أخذ صورة سيلفي واحدة والحصول فوراً على "أفاتار" عالي الجودة وقابل للتدوير يبدو جيداً من أي زاوية، وليس فقط من الأمام.
- لصناع الأفلام: يمكنك تعديل مظهر الشخصية (زيادة عمرها، تغيير شعرها) في مساحة ثلاثية الأبعاد دون الحاجة لإعادة مسح الممثل ضوئياً.
- للجميع: يثبت PercHead أن الذكاء الاصطناعي لا يحتاج إلى حفظ كل بكسل، بل يحتاج إلى فهم "المفاهيم" الكامنة وراء تلك البكسلات.
باخت short: PercHead يشبه مرآة سحرية لا تعكس وجهك فحسب؛ بل تبني نسخة ثلاثية الأبعاد كاملة وقابلة للتدوير منك، وتفهم معنى أن يكون الشيء "حقيقياً"، وتسمح لك باللعب بمظهرك الرقمي في مساحة ثلاثية الأبعاد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.