💻 computer science

PhaSR: Generalized Image Shadow Removal with Physically Aligned Priors

يُعد PhaSR إطار عمل عام لإزالة ظلال الصور يحقق أداءً قويًا عبر ظروف إضاءة متنوعة من خلال توظيف محاذاة مسبقة ثنائية المستوى عبر التقييس المحاذي فيزيائيًا لتصحيح الإضاءة، وانتباه التصحيح الهندسي-الدلالي لمواءمة الهندسة العميقة مع التضمينات الدلالية.

المؤلفون الأصليون: Chia-Ming Lee, Yu-Fan Lin, Yu-Jou Hsiao, Jin-Hui Jiang, Yu-Lun Liu, Chih-Chung Hsu

نُشر 2026-03-31

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Chia-Ming Lee, Yu-Fan Lin, Yu-Jou Hsiao, Jin-Hui Jiang, Yu-Lun Liu, Chih-Chung Hsu

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 تنظر إلى صورة جميلة لحديقة، ولكن هناك شجرة ضخمة تلقي بظلال داكنة مائلة للزرقة فوق بطانية نزهة. هدفك هو "إصلاح" الصورة بحيث تبدو البطانية تماماً كما لو كانت أشعة الشمس تشرق مباشرة عليها دون أن تحجبها الشجرة.

هذه هي مهمة إزالة الظلال (Shadow Removal). لكن الأمر معقد؛ فالأجهزة قد ترتبك: هل هذه البقعة الداكنة هي ظل، أم أن البطانية لونها رمادي داكن بطبيعتها؟ وإذا كانت الإضاءة غريبة (مثل وجود ثلاث مصابيح بألوان مختلفة داخل غرفة)، فقد يحول الكمبيوتر البطانية إلى اللون الأرجواني أو يجعل حوافها ضبابية.

تقدم هذه الورقة نظام ذكاء اصطناعي جديد يسمى PhaSR (إزالة الظلال المتوافقة فيزيائياً - Physically Aligned Shadow Removal). فكر في PhaSR كأنه محرر صور فائق الذكاء يفهم "فيزياء" الضوء، بدلاً من مجرد التخمين لما يجب أن تبدو عليه البكسلات.

إليك كيف يعمل، مشروحاً من خلال تشبيهات بسيطة:

1. المشكلة: "الفنان المرتبك"

أساليب الذكاء الاصطناعي السابقة تشبه فناناً يحاول الرسم فوق الظل لكنه لا يفهم كيف يعمل الضوء.

الارتباك: إذا كان الظل أزرق (بسبب السماء الزرقاء)، فقد يقوم الذكاء الاصطناعي ببساطة بطلاء المنطقة بأكملة باللون الأزرق، مما يجعل الألوان تبدو خاطئة.
الضبابية: إذا كانت هناك مصادر ضوء متعددة (مثل مصباح ونافذة)، فإن الذكاء الاصطناعي يضيع ويجعل حواف الظل ضبابية.
"عنق الزجاجة": تخيل محاولة حشر لغز ثلاثي الأبعاد معقد عبر فتحة صغيرة جداً. نماذج الذكاء الاصطناعي القديمة تضغط كل معلومات الصورة عبر "عنق زجاجة" ضيق، مما يؤدي لفقدان تفاصيل مهمة حول شكل وأنسجة الأشياء.

2. الحل: استراتيجية PhaSR ذات الخطوتين

يعالج PhaSR هذه المشكلة باستخدام أداتين محددتين تعملان معاً مثل فريق ترميم.

الخطوة أ: "مصحح الألوان" (التطبيع المتوافق فيزيائياً - PAN)

قبل أن يبدأ الذكاء الاصطناعي حتى في النظر إلى التفاصيل، فإنه يقوم أولاً بتنظيف "الحالة المزاجية" للصورة بأكملها.

التشبيه: تخيل أنك تحاول الاستماع إلى أغنية، لكن الراديو مضبوط على محطة بها تشويش وتعزيز غريب لترددات "الباص". لا يمكنك سماع الموسيقى بوضوح.
ما يفعله PAN: يعمل مثل جهاز الضبط (Tuner). يستخدم قاعدة رياضية (تسمى "العالم الرمادي" - Gray-World) ليقول: "حسناً، يجب أن يكون متوسط لون هذا المشهد بأكمله رمادياً محايداً". إنه يزيل تدرجات الألوان الغريبة (مثل اللون الأزرق من الظل أو الأصفر من المصباح) ويفصل بين "الضوء" و"الجسم".
النتيجة: الصورة الآن "معايرة" (Normalized). لم يعد الكمبيوتر يصارع الألوان الغريبة؛ بل أصبح لديه لوحة نظيفة ومحايدة للعمل عليها.

الخطوة ب: "الثنائي المحقق" (الانتباه التصحيحي الهندسي-الدلالي - GSRA)

الآن بعد أن أصبحت الألوان محايدة، يحتاج الذكاء الاصطناعي إلى معرفة مكان الظل بالضبط وما الذي يوجد تحته. يستخدم نوعين من "المحققين" يتحدثان مع بعضهما البعض.

المحقق 1: المهندس الجيومتري (العمق/الشكل). ينظر هذا المحقق إلى الشكل ثلاثي الأبعاد للعالم. هو يعرف: "آه، تلك المنطقة الداكنة تقع بجوار جدار مباشرة، لذا فمن المرجح أنها ظل". هو بارع جداً في تحديد الحواف ولكنه قد يكون مشوشاً.
المحقق 2: الخبير الدلالي (المعنى). ينظر هذا المحقق إلى ماهية الأشياء. هو يعرف: "هذه تفاحة حمراء". حتى لو كانت التفاحة في الظلام، فإن هذا المحقق يعرف أنها يجب أن تظل تفاحة حمراء، وليست صخرة سوداء. هو مستقر جداً ولكنه لا يهتم بالحواف الدقيقة.
التعارض: أحياناً يقول المهندس الجيومتري: "إنه ظل هنا!" بينما يقول الخبير الدلالي: "لا، هذا مجرد جزء داكن من الجسم!".
الإصلاح (GSRA): هذا هو السر السحري. يستخدم PhaSR تقنية "طرح" خاصة. يأخذ رأي الخبير الدلالي ويطرح منه "الضجيج" الناتج عن المهندس الجيومتري.
- التشبيه: تخيل شخصين يتجادلان حول خريطة. أحدهما يقول: "الطريق هنا!" (لكنه مهتز وغير دقيق). والآخر يقول: "الطريق موجود هناك بالتأكيد!" (لكنه غير محدد المعالم). أداة GSRA تستمع إلى الشخص غير المحدد، ولكنها تستخدم الشخص المهتز لتحديد الحواف بدقة، مما ينتج خريطة مثالية وواضحة.

3. لماذا يعد هذا أمراً هاماً؟

يعمل في "العالم الحقيقي": معظم أنظمة الذكاء الاصطناعي تعمل جيداً فقط في الصور التي بها شمس واحدة (في الهواء الطلق). أما PhaSR فيعمل في الغرف الداخلية الفوضوية ذات المصابيح والنوافذ والأضواء الملونة الغريبة. إنه يشبه الميكانيكي الذي يمكنه إصلاح سيارة في مرآب وفي طريق جبلي وعر أيضاً.
سريع وخفيف: بعض أنظمة إزالة الظلال بالذكاء الاصطناعي تشبه الحواسيب العملاقة التي تستغرق دقائق لإصلاح صورة واحدة. أما PhaSR فهو مثل سيارة رياضية رشاقة؛ يؤدي نفس المهمة في جزء من الثانية ولا يحتاج إلى محرك ضخم (قدرة حوسبية).
لا يحتاج إلى "قناع" (Mask): الأساليب القديمة غالباً ما تتطلب من الإنسان رسم خط حول الظل أولاً (قناع). أما PhaSR فيكتشف الأمر بنفسه، بمجرد النظر إلى الصورة.

الملخص

PhaSR هو ذكاء اصطناعي جديد يزيل الظلال من خلال:

معايرة الألوان أولاً (حتى لا يرتبك بسبب الإضاءة الغريبة).
استخدام نوعين من الذكاء (الشكل والمعنى) اللذين يراجع كل منهما عمل الآخر لتحديد الحافة الدقيقة للظل.

النتية؟ صور تبدو طبيعية، واضحة، وخالية من الظلال، حتى في أكثر ظروف الإضاءة تعقيداً، وكل ذلك يتم في لمح البصر.

إليك ملخص تقني مفصل لورقة البحث بعنوان "PhaSR: إزالة ظلال الصور بشكل عام باستخدام مسبقات متوافقة فيزيائياً".

1. بيان المشكلة

تعد عملية إزالة الظلال مهمة أساسية في الرؤية الحاسوبية، وهي بالغة الأهمية للتطبيقات اللاحقة مثل التجزئة (segmentation)، والتتبع، وإعادة البناء ثلاثي الأبعاد. ومع ذلك، تواجه الطرق الحالية ثلاثة تحديات رئيسية:

الغموض (Ambiguity): يصعب التمييز بين الظلال (تغيرات الإضاءة) وبين عتامة الأجسام الجوهرية (خصائص المادة)، مما يؤدي غالباً إلى تشوه الألوان بالقرب من الحدود ذات الملمس (textured boundaries).
فجوة التعميم (Generalization Gap): تحقق معظم الطرق المتطورة (SoTA) أداءً جيداً في اختبارات الظلال المباشرة ذات المصدر الضوئي الواحد، لكنها تفشل في السيناريوهات الواقعية المعقدة التي تتضمن إضاءة محيطة متعددة المصادر، وإضاءة غير مباشرة منتشرة، وانزياحات لونية.
عدم توافق المسبقات (Prior Misalignment): غالباً ما تفقد أطر العمل التقليدية القائمة على المشفر-المفكك (encoder-decoder) المسبقات الفيزيائية عبر نقاط الاختناق (bottlenecks). علاوة على ذلك، فإن الطرق التي تدمج الميزات الهندسية (العمق/الناظم) والميزات الدلالية (semantic) غالباً ما تفشل في محاذاتها بشكل صحيح؛ فالميزات الهندسية حساسة لتغيرات التظليل المحلية، بينما الميزات الدلالية مستقرة عبر ظروف الإضاءة المختلفة؛ وبدون المحاذاة المناسبة، تؤدي الضوضاء الهندسية إلى تعطيل الاتساق الدلالي، أو يؤدي التنعيم الدلالي إلى محو حدود الإضاءة.

2. المنهجية: PhaSR

يقترح المؤلفون إطار عمل PhaSR (إزالة الظلال المتوافقة فيزيائياً)، وهو مصمم لفصل الإضاءة عن الانعكاس من خلال محاذاة المسبقات على مستويين. تتكون البنية من مرحلتين متكاملتين:

المرحلة 1: التطبيع المتوافق فيزيائياً (PAN)

هذه وحدة معالجة مسبقة خالية من النماذج وتعتمد على صيغة مغلقة (closed-form)، تعمل قبل الشبكة العصبية لتصحيح انحيازات الإضاءة العالمية. وتتكون من ثلاث خطوات:

تطبيع العالم الرمادي (Gray-world Normalization): يصحح الانحياز الكروماتي الناتج عن لون المصدر الضوئي (مثل الضوء الداخلي الدافئ) عن طريق موازنة الإضاءة عبر القنوات.
تفكيك ريتيكس في النطاق اللوغاريتمي (Log-domain Retinex Decomposition): يحول الصورة إلى النطاق اللوغاريتمي لفصل الإضاءة ( $S$ ) والانعكاس ( $R$ ) بشكل جمعي ( $\log I = \log R + \log S$ ). ويقوم بتقدير الإضاءة العالمية عبر المتوسط المكاني في الفضاء اللوغاريتمي ويعزل الانعكاس الزائف كباقي (residual).
إعادة دمج النطاق الديناميكي (Dynamic Range Recombination): يعيد دمج المكونات المنفصلة ويطبع النطاق الديناميكي لإنتاج مدخل متسق إضاءوياً ( $\hat{I}$ ).

الهدف: كبح الانحياز الكروماتي العالمي وتثبيت توزيع السطوع دون الحاجة لتعلم بارامترات.

المرحلة 2: انتباه التصحيح الهندسي-الدلالي (GSRA)

تعمل هذه الوحدة داخل هيكل المشفر-المفكك القائم على الـ Transformer لمحاذاة الإشارات الفيزيائية المتضاربة.

المدخلات: تدمج DepthAnything-v2 (للمسبقات الهندسية: خرائط العمق والناظم/normal maps) و DINO-v2 (للتضمينات الدلالية).
الآلية: تقوم بتوسيع الانتباه التفاضلي (Differential Attention) إلى سياق متعدد الوسائط. بدلاً من مجرد دمج الميزات، تقوم بحساب خريطة انتباه مصححة:
$A_{rect} = A_{sem} - \lambda \cdot A_{geo}$
حيث $A_{sem}$ هو الانتباه الدلالي و $A_{geo}$ هو الانتباه الهندسي.
الوظيفة: يعمل هيكل الطرح هذا كبوابة قابلة للتفسير فيزيائياً. فهو يستخدم التوجيه الهندسي لتصحيح الانتباه الدلالي، مما يمنع التنعيم الدلالي المفرط عند حدود الإضاءة الحقيقية مع الحفاظ على الدقة الهندسية. وهذا يحل الصراع حيث تكون الميزات الهندسية صاخبة في المناطق الموحدة ولكنها دقيقة عند الحواف، بينما الميزات الدلالية مستقرة عالمياً ولكنها خشنة مكانياً.

3. المساهمات الرئيسية

التطبيع المتوافق فيزيائياً (PAN): وحدة معالجة مسبقة مبتكرة وخالية من البارامترات تستخدم تفكيك ريتيكس ذو الصيغة المغلقة لكبح الانحياز الكروماتي. وقد حسنت البنى الحالية بمقدار 0.15–0.34 ديسيبل عبر ظروف إضاءة متنوعة.
انتباه التصحيح الهندسي-الدلالي (GSRA): آلية انتباه جديدة تقوم بمحاذاة الهندسة المستمدة من العمق مع التضمينات الدلالية لـ DINO-v2 بشكل صريح. وهي توائم بين الدقة الهندسية المحلية والاستقرار الدلالي العالمي، مما يعالج مشكلة "عدم محاذاة الأنماط" في الإضاءة المحيطة.
التعميم القوي: يحقق إطار العمل أداءً متفوقاً ليس فقط في معايير إزالة الظلال ذات المصدر الضوي الواحد، بل يتعمم أيضاً بفعالية على سيناريوهات تطبيع الإضاءة المحيطة (ALN) متعددة المصادر حيث تفشل الطرق التقليدية.

4. النتائج التجريبية

قيم المؤلفون PhaSR على خمس مجموعات بيانات: ISTD, ISTD+, INS, WSRD+, ومجموعة Ambient6K الصعبة (الإضاءة الداخلية متعددة المصادر).

الأداء الكمي:
- إزالة الظلال: يحقق PhaSR نتائج متفوقة (SoTA) على WSRD+ (بواقع 28.44 PSNR) ونتائج تنافسية على ISTD+ (بواقع 34.48 PSNR).
- تطبيع الإضاءة المحيطة: في مجموعة بيانات Ambient6K الصعبة، يتفوق PhaSR على طرق ALN المخصصة (مثل IFBlend و RLN2-Lf) ونماذج إزالة الظلال الأخرى (مثل OmniSR و DenseSR)، محققاً 23.32 PSNR و 0.834 SSIM.
الكفاءة:
- يتميز PhaSR بكفاءة عالية، حيث يتطلب 55.63 G FLOPs فقط و 18.95 M من البارامترات.
- يعمل بسرعة 87.9 مللي ثانية لكل صورة (640x480)، وهو أسرع بكثير من النهج القائم على الانتشار (مثل StableShadowDiffusion الذي يستغرق 452.8 مللي ثانية) مع الحفاظ على جودة متفوقة.
التعميم عبر مجموعات البيانات:
- في اختبارات التعميم عبر مجموعات البيانات (التدريب على مجموعة والاختبار على أخرى دون ضبط دقيق)، أظهر PhaSR متانة فائقة. فعلى سبيل المثال، عند التدريب على إضاءة داخلية معقدة (Ambient6K) والاختبار على ظلال خارجية (ISTD)، تفوق على OmniSR بمقدار +1.46 ديسيبل.
دراسات الاستئصال (Ablation Studies):
- أدى حذف PAN إلى انخفاض مستمر في الأداء، مما يؤكد دوره في تثبيت المدخلات.
- أدى حذف GSRA إلى انخفاض كبير، خاصة في البيانات الواقعية، مما يؤكد ضرورة المحاذاة عبر الوسائط.
- ثبت أن آلية التصحيح التفاضلي ( $A_{sem} - \lambda A_{geo}$ ) متفوقة على الدمج البسيط.

5. الأهمية والأثر

سد الفجوة: نجح PhaSR في سد الفجوة بين إزالة الظلال تحت مصدر ضوء واحد متحكم به وبين المشكلة المعقدة وغير محددة المعالم لتطبيع الإضاءة المحيطة.
التأسيس الفيزيائي: من خلال نمذجة فيزياء نقل الضوء صراحة (عبر ريتيكس) ومحاذاة المسبقات الهندسية والدلالية، يتجنب المنهج قيود "الصندوق الأسود" للنهج المعتمدة كلياً على البيانات.
النشر العملي: التكلفة الحسابية المنخفضة للنموذج وعدم اعتماده على أقنعة ظل صريحة يجعله مناسباً جداً للتطبيقات في الوقت الفعلي والأنظمة المدمجة.
القيود: تقر الورقة بأن المنهج لا يزال يعاني مع المواد الداكنة جوهرياً (حيث يصعب التمييز بين الظل والمادة) والأسطح اللامعة (التي تنتهك فرضيات لامبرت)، مما يشير إلى عمل مستقبلي في مجال المسبقات المدركة للمواد.

في الختام، يمثل PhaSR تقدماً كبيراً في استعادة الصور من خلال تقديم إطار عمل متوافق فيزيائياً يستفيد من التطبيع ذي الصيغة المغلقة والانتباه متعدد الوسائط للتعامل مع كامل طيف ظروف الإضاءة، من الظلال المباشرة إلى البيئات المحيطة المعقدة.