💻 computer science

Smol-GS: Compact Representations for Abstract 3D Gaussian Splatting

تقدم الورقة البحثية Smol-GS، وهي طريقة مبتكرة تحقق أداءً رائدًا في ضغط التخزين لتقنية Gaussian Splatting ثلاثية الأبعاد مع الحفاظ على جودة رندر عالية من خلال استخدام ترميز موضعي مشتق من الأشجار الثمانية (octree)، وضغط ميزات قائم على الإنتروبيا، وهيكل هرمي مكعب (voxel) متكرر لترميز الإحداثيات.

المؤلفون الأصليون: Haishan Wang, Mohammad Hassan Vali, Arno Solin

نُشر 2026-03-30

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Haishan Wang, Mohammad Hassan Vali, Arno Solin

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 تريد إرسال ألبوم صور لعالم ثلاثي الأبعاد جميل ومعقد (مثل حديقة، أو غرفة، أو محطة قطار) إلى صديق لك.

الطريقة القديمة (3DGS القياسي):
في الوقت الحالي، أفضل طريقة للقيام بذلك تسمى "3D Gaussian Splatting". فكر في الأمر كبناء مشهد ثلاثي الأبعاد من ملايين الكرات الصغيرة، المتوهجة، والضبابية (اللطخات - splats). يجب على كل كرة أن تحمل كمية هائلة من المعلومات: موقعها الدقيق، حجمها، مدى لمعانها، لونها من كل زاوية ممكنة، ومدى شفافيتها.

للحصول على صورة عالية الجودة، تحتاج إلى ملايين من هذه الكرات. المشكلة هي أن حجم الملف ضخم جدًا. الأمر يشبه محاولة إرسال مكتبة كاملة من الموسوعات بالبريد فقط لتري صديقك غرفة واحدة. إنها تشغل مساحة جيجابايت وتستغرق وقتًا طويلاً في الإرسال أو التحميل.

الطريقة الجديدة (Smol-GS):
يقدم البحث تقنية Smol-GS ("Smol" هي كلمة عامية على الإنترنت تعني "صغير"). إنها خدعة ذكية لتقليص حجم تلك المكتبة لتصبح بحجم بطاقة بريدية واحدة دون فقدان جودة الصورة.

إليك كيف يعمل Smol-GS، باستخدام تشبيهات بسيطة:

1. نظام "العنوان الذكي" (ضغط الإحداثيات)

المشكلة: في الطريقة القديمة، تحتاج كل كرة إلى إحداثيات GPS دقيقة (X, Y, Z). تخزين ملايين الأرقام الدقيقة يستهلك مساحة كبيرة.
حل Smol-GS: تخيل أن العالم ثلاثي الأبعاد هو مبنى ضخم. بدلاً من إعطاء كل كرة عنواناً فريداً وطويلاً، يستخدم Smol-GS خريطة متكررة (تسمى Octree).

يقسم المبنى إلى 8 غرف كبيرة.
إذا كانت الغرفة فارغة، يتجاهلها.
إذا كانت الغرفة تحتوي على كرات، فإنه يقسم تلك الغرفة إلى 8 غرف أصغر، وهكذا.
التشبيه: بدلاً من كتابة "شارع مجمع 123، شقة 4B، غرفة 5"، فإنه يقول فقط: "اذهب إلى الطابق الثالث، اتجه يساراً، اذهب إلى الباب الثاني". إنها طريقة أقصر وأذكى لوصف الأماكن. هذا يقلص بيانات الموقع بشكل هائل.

2. "المترجم العالمي" (الترميز الموضعي)

المشكلة: حتى مع العناوين الذكية، لا تزال الكرات بحاجة إلى معرفة "أين توجد" لتبدو صحيحة.
حل Smol-GS: يمنح Smol-GS كل كرة "كود تعريف" (ID) فريد بناءً على عنوانها في الخريطة.

التشبيه: فكر في هذا مثل الباركود الموجود على السلع في المتجر. الباركود يخبر الكمبيوتر بالضبط أين يوجد المنتج دون الحاجة إلى وصف ضخم. يساعد هذا الكود الكمبيوتر على فهم موقع الكرة فوراً، مما يجعل النظام أكثر كفاءة.

3. "الفنان التجريدي" (تجريد الميزات)

المشكلة: في الطريقة القديمة، تحمل كل كرة بياناتها الخاصة باللون والمادة (مثل "هذه الكرة حمراء ولامعة"). هذا تكرار غير ضروري لأن الكرات المتجاورة عادة ما تبدو متشابهة.
حل Smol-GS: بدلاً من تلوين كل كرة بشكل فردي، يمنح Smol-GS كل كرة "سكتش" (رسم تخطيطي) تجريدي صغير (متجه ميزة).

التشبيه: تخيل أنك تصف غابة. بدلاً من سرد درجة اللون الأخضر لكل ورقة شجر على حدة، تخبر فناناً آلياً صغيراً (AI): "هذه المجموعة من الأوراق في مكان مظلل، لذا اجعلها خضراء داكنة ولامعة قليلاً".
بعد ذلك، يستخدم الفنان الآلي (شبكة عصبية صغيرة) هذا السكتش لتوليد اللون النهائي واللمعان للكرة. هذا يعني أنك لا تحتاج لتخزين اللون النهائي لكل كرة؛ بل تقوم فقط بتخزين "سكتش التعليمات" الصغير.

4. "السحاب" (ضغط الإنتروبيا)

المشكلة: حتى مع وجود السكتشات، لا يزال هناك بعض المساحة الضائعة.
حل Smol-GS: يستخدم "سحاباً" رياضياً (ترميز الإنتروبيا) لاستخراج أي تكرار متبقٍ.

التشبيه: إذا كان لديك حقيبة مليئة بالملابس، فإنك تلفها بإحكام لتناسب مساحة أكبر. يقوم Smol-GS بلف البيانات بإحكام شديد بحيث تصبح أصغر بكثير من المساحة الأصلية.

النتيجة: خدعة سحرية

من خلال الجمع بين هذه الحيل، يحقق Smol-GS شيئاً مذهلاً:

الحجم: إنه يقلص حجم الملف بمقدار 150 مرة مقارنة بالأصل. المشهد الذي كان يشغل 700 ميجابايت أصبح الآن 5 ميجابايت فقط.
الجودة: رغم صغر حجمه، تبدو الصور حادة تماماً. الظلال، الانعكاسات، وقوام الزجاج تم الحفاظ عليها بدقة.
السرعة: نظرًا لأن البيانات صغيرة جداً، فإنها تُحمل وتُعرض فوراً، حتى على الأجهزة الضعيفة.

باختصار:
إذا كان نظام 3DGS القياسي يشبه إرسال صندوق ثقيل وضخم من الطوب الفردي لبناء منزل، فإن Smol-GS يشبه إرسال مخطط هندسي خفيف الوزن مع بعض الأدوات. يستخدم المستلم (جهاز الكمبيوتر الخاص بك) المخطط لـ "طباعة" المنزل فوراً، مما يوفر مساحة هائلة من الوقت والمساحة مع الحفاظ على نفس المظهر تماماً.

إليك ملخص تقني مفصل لورقة البحث بعنوان "Smol-GS: تمثيلات مدمجة لتقنية Gaussian Splatting ثلاثية الأبعاد المجردة."

1. بيان المشكلة

أحدثت تقنية 3D Gaussian Splatting (3DGS) ثورة في مجال تخليق المشاهد من زوايا رؤية جديدة عبر توفير سرعات رندر (Rendering) في الوقت الفعلي ودقة عالية. ومع ذلك، تعاني تقنية 3DGS القياسية من بصمة ذاكرة ضخمة، حيث تتطلب غالباً جيجابايت من التخزين لتمثيل المشاهد المعقدة التي تحتوي على ملايين العناصر الأولية من نوع Gaussian.

تندرج طرق الضغط الحالية عموماً تحت فئتين، كلتاهما تعاني من قيود:

نهج معالجة الإشارات: تقوم بتكميم السمات (اللون، العتامة) ولكنها تفشل في استغلال الارتباطات المكانية المحلية والأنماط المتكررة بفعالية.
النهج القائم على التعلم (مثل Scaffold-GS و HAC++): تستخدم هياكل "المرساة والإزاحة" (anchor-offset) لمشاركة البنية. ورغم فعاليتها، إلا أنها تفرض عبئاً هيكلياً (إزاحات شفافة)، وتتطلب خوارزميات معقدة لاستعادة الإحداثيات، وغالباً ما تتجنب ضغط الإحداثيات بسبب حساسيتها للأخطاء المكانية.

التحدي الجوهري: كيف يمكن تحقيق ضغط فائق (بمقدار عدة أوامر قدرية أصغر) مع الحفاظ على جودة الرندر العالية، دون الاعتماد على هياكل "المرساة والإزاحة" الثقيلة أو التضحية بدقة الإحداثيات.

2. المنهجية: Smol-GS

يقترح Smol-GS إطار عمل مبتكر يفصل بين الهندسة (الإحداثيات) والمظهر (الميزات)، ويعامل كل منهما بتقنيات ضغط متخصصة. يتكون الأسلوب من خمسة مكونات متكاملة:

أ. ضغط الإحداثيات: ترميز Octree الخاص بالإشغال (Occupancy-Octree Encoding)

بدلاً من تخزين الإحداثيات كقيم عائمة خام أو استخدام إزاحات المرساة، يعامل Smol-GS الإحداثيات كمسألة هندسة لسحابة نقاط.

الآلية: يقوم بتقسيم الصندوق المحيط للمشهد بشكل متكرر إلى Octree (شجرة ثمانية).
التكميم: يتم تكميم الإحداثيات إلى مركز خلايا الـ Octree عند أدنى مستوى (العمق $R$ ). وتوضح الورقة أن التكميم بـ 16 بت لكل محور يسبب فقداناً ضئيلاً جداً في الجودة.
التخزين: يتم تخزين العقد غير الفارغة فقط. ويشير بايت إشغال واحد (8 بت) إلى أي من الأبناء الثمانية هو المشغول.
ترميز الإنتروبيا: هذه البايتات الخاصة بالإشغال نادرة للغاية ويتم ضغطها باستخدام ترميز هافمان (Huffman coding). وهذا يسمح بتخزين الإحداثي بدون فقدان (ضمن الشبكة) مع حد أدنى من العبء الإضافي.

ب. الترميز الموضعي (المستمد من الـ Octree)

لتعويض فقدان معلومات الإحداثيات الدقيقة بسبب التكميم، يقدم Smol-GS ترميزاً موضعياً فريداً.

الاشتقاق: يتم تخصيص معرف فريد لكل "Splat" بناءً على المسار الذي تم اتخاذه في الـ Octree للوصول إلى خليتها.
التمثيل: يتم ترميز هذا كمتتالية ثنائية (رمز Morton/مؤشر Z-order) يمثل الصندوق الفرعي المحدد عند كل مستوى تكرار.
الوظيفة: يتم تغذية هذا الترميز ( $f_{oct}$ ) في شبكة MLP صغيرة ( $MLP_{oct}$ ) لتزويد الشبكة بإشارات صريحة حول المحلية المكانية، مما يعزز كفاءة التمثيل دون الحاجة لتخزين الإحداثيات الخام.

ج. الـ Gaussian Splats العصبية (الميزات المجردة)

بدلاً من تخزين سمات عالية الأبعاد تعتمد على اتجاه الرؤية (مثل Spherical Harmonics من الدرجة الثالثة) لكل Splat، يتعلم Smol-GS ميزات مجردة منخفضة الأبعاد.

متجه الميزة: تمتلك كل Splat متجه ميزة مدمج $f \in \mathbb{R}^8$ ومتحكم قياس $s \in \mathbb{R}^3$ .
فك التشفير: أثناء الرندر، تقوم مجموعة من شبكات الـ MLP الصغيرة ( $MLP_o, MLP_c, MLP_r, MLP_s$ $M L P_{o}, M L P_{c}, M L P_{r}, M L P_{s}$ ) بإعادة بناء السمات النهائية (العتامة، اللون، الدوران، القياس) عن طريق دمج:
1. الميزة المجردة $f$ .
2. اتجاه الرؤية والمسافة.
3. الترميز الموضعي $f_{oct}$ .
الفائدة: هذا "يجرد" الإشارات المعتمدة على الرؤية، مما يسمح للنموذج بتعلم خصائص المواد والآثار البصرية بكفاءة أكبر من تخزين معاملات SH الصريحة.

د. ضغط الميزات

يتم ضغط الميزات المجردة ومتحكمات القياس باستخدام الترميز الحسابي المدعوم بـ Hash-grid.

السياق: تتنبأ شبكة صغيرة ( $MLP_h$ ) بتوزيع غاوسي ( $\mu, \Sigma$ ) وخطوات ( $\Delta$ ) للميزات بناءً على هاش مكاني للموقع.
التكميم والترميز: يتم تكميم الميزات باستخدام خطوات متعلمة وترميزها باستخدام الترميز الحسابي (Arithmetic coding). يعمل اللوغاريتم الطبيعي السالب (NLL) لوعاء التكميم كخسارة المعدل (rate loss) أثناء التدريب لتقليل مساحة التخزين.

هـ. مسار التدريب

يتبع التدريب عملية مكونة من 5 مراحل لموازنة الدقة والحجم:

الإحماء (Warm-up): التهيئة من نقاط SfM.
التكثيف (Densification): إضافة Splats في المناطق ذات التدرج العالي.
التكثيف (Compaction): تقليم الـ Splats ذات العتامة المنخفضة وتطبيق تنظيم $\ell_1$ .
ضغط الميزات: تفعيل التكميم والترميز الحسابي للميزات.
ضغط الإحداثيات: تفعيل تكميم الـ Octree وترميز الإحداثيات.

3. المساهمات الرئيسية

نموذج Neural Splat جديد: يلغي Smol-GS العبء الهيكلي لـ "المرساة والإزاحة" الموجود في الطرق الحديثة (مثل Scaffold-GS)، مما يسمح بالتحكم المباشر في مستوى الـ Splat ويقلل التعقيد الهيكلي.
الترميز الموضعي المستمد من الـ Octree: نظام ترميز جديد ينمذج المحلية المكانية بشكل صريح، مما يسمح بتكميم الإحداثيات بكفاءة دون التضحية بجودة إعادة البناء.
استراتيجية ضغط موحدة: نجح في ضغط كل من الإحداثيات (عبر الـ Octree/Huffman) والميزات (عبر الترميز الحسابي/MLP) في آن واحد، محققاً تقليلاً في التخزين بنحو 150 ضعفاً مقارنة بـ vanilla 3DGS.
أداء رائد (State-of-the-Art): يحقق أفضل مقايضة بين المعدل والتشويه (rate-distortion trade-off) على المعايير القياسية (Mip-NeRF 360, Tanks and Temples, Deep Blending).

4. النتائج

تتحقق الورقة من صحة Smol-GS على مجموعات بيانات قياسية مع النتائج التالية:

نسبة الضغط:
- في Mip-NeRF 360، يحقق Smol-GS حجم نموذج يبلغ 4.87 ميجابايت (نسخة Small) مع PSNR قدره 27.61 ديسيبل.
- هذا يمثل انخفاضاً بنحو 150 ضعفاً مقارنة بنموذج vanilla 3DGS-30K (الذي يبلغ 734 ميجابايت).
- يتفوق على النماذج المرجعية القوية مثل HAC++ و ContextGS و HEMGS من حيث الحجم والجودة معاً.
الجودة:
- تظهر النتائج النوعية أن Smol-GS يحافظ على الحواف الحادة، واللمعان المرآتي (specular highlights)، وتأثيرات المواد (مثل الزجاج، الجدران المستوية) بشكل أفضل من vanilla 3DGS، رغم الانخفاض الهائل في الحجم.
- ينتج عيوباً أقل من vanilla 3DGS، خاصة في ظروف الإضاءة الصعبة.
الكفاءة:
- التدريب: حوالي 26.58 دقيقة لكل مشهد (35 ألف تكرار).
- الرندر (Inference): حوالي 241 إطاراً في الثانية (رندر في الوقت الفعلي).
- الترميز/فك التشفير: سريع (حوالي 2-3 ثوانٍ للترميز/فك التشفير لكل مشهد)، مما يجعله عملياً للنقل.
تفصيل المكونات:
- الميزات ( $f$ ) تشغل حوالي 50% من الحجم.
- الإحداثيات ( $x$ ) فعالة للغاية بفضل ترميز الـ octree.
- أوزان الـ MLP ضئيلة (أقل من 1% من الحجم الإجمالي).

5. الأهمية والتأثير

إعادة تعريف تخزين 3DGS: يثبت Smol-GS أن الهندسة الصريحة يمكن تخزينها بكفاءة عبر الـ octrees، مما يتحدى الافتراض بأن الإحداثيات يجب أن تظل غير مضغوطة أو تعتمد على إزاحات المرساة.
القابلية للتوسع: من خلال تقليل أحجام النماذج إلى نطاق الميجابايت، يتيح Smol-GS نشر مشاهد ثلاثية الأبعاد عالية الدقة على الأجهزة محدودة الموارد (الهواتف المحمولة، نظارات الواقع الافتراضي/المعزز) ويسهل النقل السريع عبر الشبكات.
المرونة: إن إزالة هياكل "المرساة والإزاحة" يسمح بـ تعديل وتحكم أسهل في العناصر الثلاثية الأبعاد الفردية، وهي قدرة غالباً ما تعيقها الأنظمة الهرمية القائمة على المرساة.
الاتجاهات المستقبلية: تشير الطبيعة المنفصلة للميزات المتعلمة إلى إمكانية التكامل مع الترميز الرمزي ثلاثي الأبعاد (3D tokenization) ونماذج اللغة الكبيرة (LLMs) للفهم الدلالي للمشاهد ثلاثية الأبعاد.

باختصار، يمثل Smol-GS تحولاً جذرياً في ضغط 3DGS، حيث ينتقل من المشاركة القائمة على المرساة التجريبية إلى مزيج مبني على أسس متينة من ترميز الـ octree الهندسي وتجريد الميزات العصبية، واضعاً معياراً جديداً للتمثيل المدمج ثلاثي الأبعاد.