FlexAvatar: Learning Complete 3D Head Avatars with Partial Supervision
يعد FlexAvatar طريقة قائمة على المحولات (transformer) تُنشئ نماذج رمزية ثلاثية الأبعاد للرأس عالية الجودة وكاملة من صورة واحدة عبر إدخال "مصبات انحياز" (bias sinks) قابلة للتعلم لفصل إشارات القيادة عن زوايا الرؤية المستهدفة، مما يتيح تدريباً موحداً على كل من البيانات أحادية العدسة والبيانات متعددة الزوايا لتحقيق استقراء فائق للمشاهد وتحريك واقعي.
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 إنشاء توأم رقمي لنفسك؛ شخصية رمزية (Avatar) ثلاثية الأبعاد تشبهك تماماً، يمكنها تعبيرات الوجه، ويمكن رؤيتها من أي زاوية (الأمام، الخلف، الجانب) تماماً مثل شخص حقيقي.
عادةً، للقيام بذلك، تحتاج إلى استوديو فاخر به 50 كاميرا تدور حولك، أو تحتاج لقضاء ساعات في مسح نفسك باستخدام هاتف خاص. لكن FlexAvatar يشبه الخدعة السحرية: يمكنه إنشاء هذا التوأم الثلاثي الأبعاد المثالي من مجرد صورة سيلفي واحدة.
إليك كيف يعمل الأمر، مشروحاً عبر تشبيهات من الحياة اليومية:
المشكلة الكبيرة: "النقطة العمياء"
عندما تلتقط صورة سيلفي، فأنت ترى فقط مقدمة وجهك. إذا حاولت بناء نموذج ثلاثي الأبعاد لسيارة باستخدام صورة لواجهتها الأمامية فقط، فقد تخمن أن الجزء الخلفي يشبه الأمامي، أو قد تترك الجزء الخلفي فارغاً ببساطة.
في عالم الذكاء الاصطناعي، يعد تدريب الكمبيوتر على صنع رؤوس ثلاثية الأبعاد من صور فوتوغرافية واحدة أمراً صعباً. إذا تعلم الذكاء الاصطناعي فقط من فيديوهات لأشخاص يتحدثون أمام الكاميرا (بيانات أحادية المسار)، فإنه سيصبح "كسولاً". سيتعلم أنه "عندما يبتسم الشخص، تكون الكاميرا مواجهة للأمام مباشرة". لذا، عندما تطلب منه إظهار الجزء الخلفي من الرأس، يصاب بالذعر وينتج شيئاً مسطحاً وغير مكتمل لأنه لم يتعلم أبداً كيف يبدو الجزء الخلفي بالفعل.
الحل: "المترجم الذكي" (مصارف الانحياز - Bias Sinks)
أدرك مؤلفو FlexAvatar أن الذكاء الاصطناعي كان يرتبك لأنه يخلط بين نوعين مختلفين من الدروس:
- درس "السيلفي": بيانات كثيرة، لكنها تظهر الواجهة فقط. هي رائعة لتمييز هوية الشخص، لكنها سيئة في معرفة كيف يبدو الجزء الخلفي.
- درس "الاستوديو": بيانات عالية الجودة تظهر جميع الزوايا، لكنها قليلة جداً. هي رائعة لمعرفة الشكل، لكن الذكاء الاصطناعي قد ينسى كيفية التعرف على أشخاص جدد.
الإصلاح: لقد ابتكروا شيئاً يسمى "مصارف الانحياز" (Bias Sinks).
فكر في الذكاء الاصطناعي كطالب يؤدي اختباراً:
- عادةً، إذا خلطت بين أسئلة من "اختبار السيلفي" و"اختبار الاستوديو"، سيصاب الطالب بالارتباك ويعطي إجابات خاطئة.
- FlexAvatar يعطي الطالب بطاقة ملونة خاصة (مصرف الانحياز) قبل كل سؤال.
- إذا كانت البطاقة زرقاء، يعرف الطالب: "هذا سؤال سيلفي. يجب أن أركز على تمييز الوجه، لكن لا داعي لتخمين الجزء الخلفي".
- إذا كانت البطاقة حمراء، يعرف الطالب: "هذا سؤال استوديو. يجب أن أرسم الرأس بالكامل، من الأمام والخلف، بشكل مثالي".
الخدعة السحرية: عندما يقوم FlexAvatar فعلياً بإنشاء شخصيتك الرمزية من صورة السيلفي الخاصة بك، فإنه يسلم الذكاء الاصطناعي البطاقة الحمراء. رغم أن المدخل هو مجرد صورة سيلفي، إلا أن الذكاء الاصطناعي يفكر: "أوه، أنا في وضع الاستوديو! يجب أن أولد رأساً كاملاً بزاوية 360 درجة".
هذا يسمح للذكاء الاصطناعي باستخدام بيانات "السيلفي" لتعلم كيفية التعرف عليك (التعميم)، ولكن استخدام قواعد "الاستوديو" لضمان أن يكون الرأس مكتملاً من كل الزوايا.
المحرك: "النحات الطيني"
بمجرد حصول الذكاء الاصطناعي على "البطاقة الحمراء" وصورة السيلفي الخاصة بك، فإنه لا يكتفي بالتخمين فحسب. بل يستخدم عملية ذكية من خطوتين:
- المُشفّر (المصور الفوتوغرافي): ينظر إلى صورة السيلفي الخاصة بك ويضغط كل ملامحك الفريدة (شكل الأنف، لون العين، الشعر) في "بطاقة هوية" رقمية صغيرة (تسمى كود الشخصية الرمزية - Avatar Code).
- المُفكك (النحات): يأخذ بطاقة الهوية تلك ويبدأ في النحت. يستخدم تقنية تسمى "الغاوسي الثلاثي الأبعاد" (3D Gaussians). تخيل بدلاً من بناء رأس من الطين الصلب، يقوم الذكاء الاصطناعي ببنائه من ملايين الكرات الضوئية الصغيرة المتوهجة والضبابية.
- هذه الكرات فعالة للغاية؛ حيث يمكن ضغطها، وتمديدها، وتحريكها لجعل شخصيتك الرمزية تبتسم، أو تعبس، أو تحرك رأسها فوراً.
- ولأن الذكاء الاصطناعي تعلم من بيانات "الاستوديو"، فإن هذه الكرات الضبابية موجودة حول الرأس بالكامل، وليس في المقدمة فقط.
لماذا يهم هذا؟
قبل FlexAvatar، إذا كنت تريد شخصية رمزية ثلاثية الأبعاد تبدو جيدة من الخلف، كنت بحاجة إلى معدات باهظة الثمن أو ساعات من الفيديو.
- FlexAvatar يمكنه القيام بذلك في دقائق من مجرد صورة واحدة.
- إنه يعمل مع أي شخص (التعميم).
- إنه ينشئ مساحة سلسة حيث يمكنك حتى التحول (Morphing) بين شخصين مختلفين (مثل الانتقال السلس من وجهك إلى وجه صديقك).
باختاًصار
FlexAvatar يشبه فناناً ماهراً درس ملايين صور السيلفي ليعرف كيف يميز الوجوه، ولكنه درس أيضاً بعض المنحوتات الثلاثية الأبعاد المثالية ليعرف كيف يبني رأساً كاملاً. ومن خلال استخدام "إشارة سرية" (مصرف الانحياز) للتبديل بين هذين النمطين من التفكير، يمكنه بناء توأم ثلاثي الأبعاد مثالي ومتحرك بالكامل لك من مجرد صورة واحدة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.