EgoCampus: Egocentric Pedestrian Eye Gaze Model and Dataset
تقدم هذه الورقة مجموعة بيانات EgoCampus ونموذج EgoCampusNet لمعالجة تحدي التنبؤ بنظرة عين المشاة من منظور الشخص الأول في الملاحة الخارجية في العالم الحقيقي، وذلك عبر الاستفادة من مجموعة واسعة ومتنوعة من مقاطع الفيديو المسجلة والموسومة ببيانات نظرة العين والتي تم التقاطها عبر نظارات Project Aria من Meta.
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 تسير في حرم جامعي مزدحم. أنت لا تحرك قدميك فحسب؛ بل تمسح عيناك العالم باستمرار. تلمح صديقاً يلوح لك، وتتفقد لافتة شارع، وتراقب دراجة هوائية، وتحدق في مبنى جميل. يقوم دماغك باتخاذ آلاف القرارات الصغيرة كل ثانية حول ما يجب أن تنظر إليه وما يجب أن تتجاهله.
هذه الورقة البحثية تدور حول تعليم الحواسيب فهم هذه العملية بدقة: أين ينظر الناس عندما يسيرون في الخارج؟
إليك تفصيل الورقة البحثية، مشروحاً ببعض التشبيهات من الحياة اليومية:
1. المشكلة: الروبوت "الأعمى"
تخيل أنك تبني روبوتاً ليمشي بجانب البشر. إذا كان الروبوت لا يعرف أين ينظر البشر، فإنه يشبه شخصاً معصوب العينين يحاول الرقص في غرفة مزدحمة؛ قد يصطدم بالناس أو يفوت إشارات مهمة.
معظم الأبحاث السابقة حول "تتبع حركة العين" (eye tracking) كانت تشبه دراسة شخص يجلس في غرفة مظلمة يحدق في شاشة كمبيوتر. هذا مفيد، لكنه لا يخبرنا كيف ينظر الناس حولهم عندما يسيرون بالفعل في الخارج، ويتفادون العقبات، ويتنقلون في عالم حقيقي.
2. الحل: مجموعة بيانات "EgoCampus"
أنشأ الباحثون مكتبة ضخمة جديدة من البيانات تسمى EgoCampus.
- التشبيه: فكر في هذا كأنه "مجموعة أفلام ضخمة لتتبع حركة العين".
- كيف صنعوها: أعطوا 82 شخصاً مختلفاً زوجاً من النظارات الخاصة (Project Aria من Meta). هذه النظارات تشبه أدوات التجسس عالية التقنية؛ فهي تحتوي على كاميرات في المقدمة لترى ما يراه الشخص، ومستشعرات دقيقة بالداخل لتتبع أين تنظر عيناه بالضبط.
- المحتوى: سار 82 شخصاً عبر 25 مساراً مختلفاً في حرم جامعي (حوالي 6 كيلومترات إجمالاً).
- النتيجة: سجلوا 32 ساعة من الفيديو، والأهم من ذلك، سجلوا 3.5 مليون إطار لـ "أين ذهبت العيون". كما سجلوا كيفية تحرك الأشخاص (نظام تحديد المواقع GPS، السرعة، دوران الرأس) لفهم السياق.
لماذا هذا مميز؟
معظم مجموعات البيانات الأخرى تشبه مقاطع قصيرة لأشخاص يطبخون في مطبخ (بيئة داخلية، ثابتة). أما هذه المجموعة فهي مثل فيلم مستمر لأشخاص يسيرون عبر مدينة، يتعاملون مع الطقس، والناس الآخرين، والمناظر المتغيرة.
க்கும் 3. الدماغ: "EgoCampusNet" (نموذج التنبؤ)
بمجرد حصولهم على البيانات، بنوا "دماغ حاسوبي" (نموذج ذكاء اصطناعي) يسمى EgoCampusNet.
- التشبيه: تخيل أنك تعلم طالباً التنبؤ بالمكان الذي سينظر إليه السائق تالياً.
- الطريقة القديمة: تعرض للطالب صورة واحدة لطريق وتسأله: "أين سينظر السائق؟" (هذا صعب لأنك لا تعرف ما الذي حدث قبل هذه الصورة).
- طريقة EgoCampusNet: تعرض للطالب مقطع فيديو للطريق المؤدي إلى اللحظة الحالية، بالإضافة إلى الصورة الحالية. يتعلم الذكاء الاصطناعي أنه إذا كان السائق ينعطف يساراً، فمن المرجح أن ينظر يساراً. إذا خرج أحد المشاة إلى الطريق، سينظر السائق إليه.
- كيف يعمل: ينظر النموذج إلى "فيلم" عملية المشي (تاريخ الفيديو) و"لقطة" للمشهد الحالي. ثم يدمجهما لتخمين المكان الذي ستستقر عليه العين تالياً.
4. الاكتشاف: إلى ماذا ننظر فعلياً؟
حلل الباحثون البيانات ووجدوا بعض الأنماط المثيرة للاهتمام:
- "انحياز المركز" (The Center Bias): عندما يسير الناس في خط مستقيم، يميلون للنظر قليلاً نحو مركز رؤيتهم (حيث يتجهون). الأمر يشبه قيادة السيارة؛ أنت تنظر إلى الطريق أمامك، وليس إلى لوحة القيادة.
- "عامل التشتت" (The Distraction Factor): عندما يدير الناس رؤوسهم بسرعة (مثل سماع ضوضاء أو رؤية صديق)، فهم لا ينظرون إلى أشياء عشوائية، بل ينظرون إلى معالم (مبانٍ، أشجار) أو إشارات ملاحية (أشخاص آخرين، لوحات المسارات).
- المفاجأة: رغم أننا نعتقد أننا ننظر إلى الوجوه عندما نرى أشخاصاً، إلا أنه في سيناريوهات المشي المزدحمة، غالباً ما يبقي الناس أعينهم على المسار أو على معالم بعيدة، ولا يثبتون أنظارهم بالضرورة في أعين كل من يمرون بهم.
5. لماذا يهم هذا؟
الأمر لا يتعلق فقط بصنع فيديوهات رائعة، بل يتعلق بـ السلامة والتعاون.
- السيارات ذاتية القيادة: إذا عرفت السيارة أين ينظر المشاة، فستعرف ما إذا كان المشاة منتبهين للسيارة أم أنهم مشتتون بهواتفهم.
- روبوتات المساعدة: إذا كان يسير معك روبوت، فإنه يحتاج لمعرفة ما إذا كنت تنظر إلى خطر ما ليتوقف، أو إذا كنت تنظر إلى خريطة لينتظرك حتى تلحق به.
- الواقع الافتراضي (VR): يساعد في جعل عوالم الواقع الافتراضي تبدو أكثر واقعية من خلال التنبؤ بالمكان الذي ترغب عيناك في الذهاب إليه بشكل طبيعي.
الملخص
هذه الورقة البحثية تشبه الخريطة والبوصلة لفهم الانتباه البشري.
- الخريطة (مجموعة البيانات): لقد أنشأوا أكثر خريطة تفصيلاً لـ "أين ينظر الناس أثناء المشي" على الإطلاق.
- البوصلة (نموذج الذكاء الاصطناعي): بنوا أداة تستخدم تلك الخريطة للتنبؤ بالمكان الذي سينظر إليه الشخص تالياً.
من خلال فهم كيفية تنقل البشر في العالم بأعينهم، يمكننا بناء روبوتات وسيارات أكثر أماناً، وأكثر ذكاءً، وأكثر قدرة على التفاعل الطبيعي معنا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.