💻 computer science

LaS-Comp: Zero-shot 3D Completion with Latent-Spatial Consistency

يُعد LaS-Comp إطار عمل يعتمد على التعلم الصفري ولا يتطلب تدريباً، حيث يستفيد من الأولويات المستمدة من النماذج التأسيسية ثلاثية الأبعاد عبر تصميم ثنائي المراحل يتكون من الاستبدال الصريح والتحسين الضمني لتحقيق إكمال أشكال ثلاثية الأبعاد عالية الجودة وغير مرتبطة بفئة معينة، وهو ما تم التحقق منه بواسطة معيار Omni-Comp الجديد.

المؤلفون الأصليون: Weilong Yan, Haipeng Li, Hao Xu, Nianjin Ye, Yihao Ai, Shuaicheng Liu, Jingyu Hu

نُشر 2026-03-19

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Weilong Yan, Haipeng Li, Hao Xu, Nianjin Ye, Yihao Ai, Shuaicheng Liu, Jingyu Hu

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 فنان تحاول إنهاء منحوتة، لكن ليس في يدك سوى بضع شظايا مكسورة من الطين. هدفك هو إعادة إنشاء التمثال بالكامل، مع التأكد من أن الأجزاء الجديدة تتناسب تمامًا مع الشظايا القدية وتبدو كجسم كامل وحقيقي.

هذا هو تحدي إكمال الشكل ثلاثي الأبعاد (3D Shape Completion). لفترة طويلة، عانت الحواسيب من هذا الأمر. إذا عرضت عليها كرسيًا مكسورًا، فقد تخمن أنه طاولة، أو قد تقوم بتنعيم الأجزاء المكسورة لدرجة تجعل الكرسي يبدو ككتلة هلامية. وغالبًا ما كانت تحتاج إلى التدريب على آلاف الأزواج من "كرسي مكسور + كرسي كامل"، مما يحد من قدرتها لتقتصر فقط على ما رأته من قبل.

إليك LaS-Comp، وهو "فنان خارق" يعمل بالذكاء الاصطلاني، يمكنه إكمال أي مجسم ثلاثي الأبعاد يراه، حتى لو لم يسبق له رؤية ذلك المجسم المحدد من قبل. وإليك كيف يعمل، مشروحًا ببساطة:

المشكلة: خلل "الترجمة"

تبدأ الورقة البحثية بملاحظة ذكية. تعمل نماذج الذكاء الاصطناعي الحديثة التي تولد أشكالًا ثلاثية الأبعاد في "كود سري" (يسمى الفضاء الكامن - Latent Space). فكر في هذا الأمر كأنه لغة يتحدث بها الذكاء الاصطناعي.

المشكلة: إذا أخذت كرسيًا مكسورًا وطلبت من الذكاء الاصطناعي ترجمته إلى كوده السري، ثم أخذت كرسيًا كاملًا وترجمته، فإن "الكود السري" للأجزاء المتطابقة (الأرجل، المقعد) لا يتطابق في الواقع! الأمر يشبه كتابة كلمة "قطة" بالإنجليزية وكلمة "قطة" بالفرنسية، لكن الذكği الاصطناعي يعتقد أنهما كلمتان مختلفتان تمامًا.
النتيجة: إذا حاول الذكاء الاصطناعي مجرد "ملء الفراغات" باستخدام هذا الكود السري، فسيصاب بالارتباك وينتج فوضى لأن كود الجزء المكسور لا يتوافق مع كود الجزء الكامل.

الحل: رقصة الخطوتين لـ LaS-Comp

ابتكر المؤلفون إطار عمل يسمى LaS-Comp (الاتساق بين الفضاء الكامن والمكاني). بدلًا من محاولة إصلاح الكود السري مباشرة، يستخدمون رقصة من خطوتين للحفاظ على الشكل الأصلي آمنًا مع ترك المجال للذكاء الاصطناعي للقيام بسحره.

الخطوة 1: "الشريط اللاصق" (مرحلة الاستبدال الصريح)

تخيل أن لديك مزهرية مكسورة. قبل أن تطلب من الذكاء الاصطناعي تخمين البقية، تأخذ الشظايا المكسورة الفعلية وتثبتها فيزيائيًا بالشريط اللاصق على المزهرية الجديدة التي أنت بصدد بنائها.

ما يفعله الذكاء الاصطناعي: يأخذ "الكود السري" للشكل الجديد ويستبدل قسرًا الأجزاء التي تقابل شظاياك المكسورة بالبيانات الفعلية من شظاياك.
لماذا يساعد هذا: هذا يضمن أن الذكاء الاصطناعي لا يمكنه تغيير مدخلاتك الأصلية بالخطأ. يبقى رجل الكرسي المكسور في مكانه تمامًا. الأمر يشبه قول: "أنا أعلم أن هذا الجزء حقيقي؛ لا تلمسه".

الخطوة 2: "الخلاط" (مرحلة المحاذاة الضمنية)

الآن، لديك مزهرية حيث تبدو الشظايا الملصقة بالشريط اللاصق متعرجة قليلاً مقابل الطين الجديد، وهناك فاصل خشن.

ما يفعله الذكاء الاصطناعي: يقوم بعملية "تلميع" سريعة وصغيرة. ينظر إلى الحافة حيث تلتقي الشظة الحقيقية بالطين الجديد ويدفع الرياضيات بلطف لجعل الانتقال سلسًا. الأمر يشبه استخدام ورق صنفرة ناعم لدمج الطين الجديد في الشظة القديمة بحيث لا يمكنك معرفة أين ينتهي أحدهما ويبدأ الآخر.
لماذا يساعد هذا: هذا يمنع المظهر "المتذبذب" حيث تبدو الأجزاء الجديدة وكأنها عائمة أو منفصلة عن الأجزاء القديمة.

لماذا يعد هذا أمرًا مهمًا؟

القدرة على العمل دون تدريب مسبق (Zero-Shot): لا تحتاج لتعليم هذا الذكاء الاصطناعي بآلاف الأمثلة. فهو يستخدم "عقلًا مدربًا مسبقًا" (نموذج أساسي ثلاثي الأبعاد) يعرف بالفعل ماهية الكراسي والسيارات والحيوانات بشكل عام. إنه فقط يطبق تلك المعرفة على قطعتك المكسورة المحددة.
يعمل على أي شيء: سواء كان لديك صورة واحدة لكرسي، أو قطعة عشوائية من روبوت، أو جزء مفقود من تمثال، فإن هذه الطريقة تتعامل معها جميعًا. الطرق السابقة كانت تفشل غالبًا إذا كانت القطعة المكسورة غريبة جدًا أو إذا كان المجسم مخفيًا جزئيًا.
السرعة: إنه سريع للغاية، حيث ينهي الشكل في حوالي 20 ثانية.

"اختبار القيادة" الجديد (Omni-Comp)

أدرك المؤلفون أن الاختبارات القديمة كانت سهلة للغاية، حيث استخدمت معظمها مسوحات بسيطة "بصورة واحدة". لإثبات أن طريقتهم قوية حقًا، بنوا اختبارًا جديدًا يسمى Omni-Comp.

تخيل اختبار قيادة. الاختبارات القديمة كانت مثل القيادة على طريق مستقيم وخالٍ.
Omni-Comp يشبه القيادة في عاصفة، مع وجود حفر وعوائق عشوائية ولوحات إرشادية مفقودة. إنه يختبر الذكاء الاصطناعي على:
- القص العشوائي (Random Crops): مثل شخص أخذ قضمة من المجسم.
- الأجزاء الدلالية (Semantic Parts): مثل إظهار عجلات السيارة فقط، مع فقدان بقية الهيكل.
- الضجيج الواقعي (Real-World Noise): مسوحات حقيقية وفوضوية من الروبوتات والكاميرات.

الحكم النهائي

ببسا#ط، LaS-Comp يشبه مرممًا ماهرًا لا يكتفي بتخمين شكل القطعة المفقودة فحسب، بل بدلاً من ذلك:

يُثبّت القطع المكسورة الأصلية في مكانها حتى لا تتحرك.
يُنمّي بقية المجسم حولها باستخدام معرفته العميقة بكيفية عمل العالم.
يُلمّع الفواصل حتى يبدو الشيء بأكمله وكأنه صُنع كقطعة واحدة.

النتيجة؟ حاسوب يمكنه النظر إلى لعبة مكسورة، أو سيارة تم مسحها جزئيًا، أو جزء مفقود من تمثال، و"يتخيل" بقيتها فورًا بدقة عالية، دون الحاجة لتعليمه كيفية القيام بذلك أولاً.

إليك ملخص تقني مفصل لورقة البحث بعنوان "LaS-Comp: إكمال ثلاثي الأبعاد صفري (Zero-shot) عبر الاتساق الكامن-المكاني".

1. بيان المشكلة

يهدف الإكمال ثلاثي الأبعاد للأشكال (3D Shape Completion) إلى إعادة بناء شكل ثلاثي الأبعاد كامل من ملاحظات جزئية (مثل المسوحات أحادية المنظور، أو المناطق المحجوبة، أو الأجزاء الدلالية المفقودة). وبينما يعد هذا الأمر حيوياً للروبوتات، والقيادة الذاتية، والواقع المعزز/الافتراضي، تواجه الطرق الحالية قيوداً كبيرة:

الطرق الخاضعة للإشراف (Supervised Methods): تعتمد على مجموعات بيانات تحتوي على أزواج من الأشكال الجزئية والكاملة، مما يحد من قدرتها على التعميم لفئات كائنات غير مرئية.
طرق الأولويات التوليدية/غير الخاضعة للإشراف (Unsupervised/Generative Prior Methods): تستفيد الطرق الحديثة "صفرية التدريب" من النماذج الضخمة سابقة التدريب، لكنها غالباً ما تفترض أن المدخل الجزئي يمكن رندرتُه (Rendering) إلى مشهد ثنائي الأبعاد "كامل" واحد على الأقل. وعندما تكون الهندسة المفقودة مرئية من جميع زوايا النظر (مثل جسم مجوف أو حجب شديد)، تفشل هذه الافتراضات القائمة على الرندرة، مما يؤدي إلى نتائج متدهورة.
الفجوة بين الفضاء الكامن والمكاني (Latent-Spatial Gap): يوجد تحدٍ جوهري عند استخدام نماذج التأسيس ثلاثية الأبعاد ذات الفضاء الكامن (والتي تربط الأشكال بفضاء كامن مضغوط). فحتى لو تشارك المدخل الجزئي والشكل الأصلي (Ground-truth) في نفس الهندسة في المناطق المتداخلة، فإن تشفيراتهما الكامنة تختلف بشكل كبير. لذا، فإن استخدام الأكواد الكامنة الجزئية مباشرة كشروط للتوليد يؤدي إلى عمليات إكمال غير موثوقة بسبب هذه الفجوة في النطاق.

2. المنهجية: LaS-Comp

يقترح المؤلفون LaS-Comp، وهو إطار عمل صفري التدريب (Zero-shot) وغير مرتبط بفئة معينة (Category-agnostic)، يعمل على جسر الفجوة بين النطاقين الكامن والمكاني لنماذج التأسيس ثلاثية الأبعاد سابقة التدريب. وهو يعمل دون تدريب على مجموعات بيانات محددة، ويتوافق مع مختلف النماذج التوليدية القائمة على الفضاء الكامن (مثل TRELLIS و Direct3D-S2).

يستخدم إطار العمل تصميماً تكميلياً ذا مرحلتين ضمن عملية إزالة الضجيج (Denoising) التكرارية:

أ. مرحلة الاستبدال الصريح (Explicit Replacement Stage - ERS)

الهدف: ضمان الدقة الصارمة للهندسة الجزئية المرصودة ( $S_p$ ).
الآلية:
1. التفكيك ثنائي المسار (Dual-Branch Decomposition): يتم تقسيم عملية التوليد إلى "مسار نظيف" (لتقدير الأكواد الكامنة الخالية من الضجيج) و"مسار ضوضائي" (للتعامل مع العشوائية).
2. الحقن المكاني (Spatial Injection): يتم تحويل المدخل الجزئي $S_p$ إلى شكل فوكسل (Voxelized) واستخدامه لإنشاء قناع ثنائي $M$ . يتم استبدال تنبؤ النموذج صراحةً بالهندسة المرصودة $S_p$ في المجال المكاني حيث $M=1$ .
3. جدول الضجيج المدرك للجزء (Partial-aware Noise Schedule - PNS): للتعامل مع عدم التماثل بين المناطق المعروفة وغير المعروفة، يتم تعديل جدول الضجيج. تتلقى المناطق المرصودة أدنى قدر من الاضطراب العشوائي للحفاظ على الهندسة، بينما تتلقى المناطق المفقودة ضجيجاً غاوسياً خالصاً لتشجيع الاستكشاف المتنوع للنتائج المحتملة.
4. إعادة بناء الكود الكامن (Latent Reconstruction): يتم إعادة تشفير الشكل المصحح مكانياً إلى الفضاء الكامن ( $x^*_t$ )، مما يضمن أن التمثيل الكامن يحتوي صراحةً على الهندسة المرصودة.

ب. مرحلة المحاذاة الضمنية (Implicit Alignment Stage - IAS)

الهدف: حل عدم الاتساق عند الحدود وضمان الانتقالات السلسة بين المناطق المرصودة والمصنعة.
الآلية:
1. فقدان محاذاة الهندسة (Geometry-Alignment Loss): يتم حساب دالة فقدان ( $L_{align}$ ) بين التنبؤ المفكك والمدخل الجزئي فقط في المناطق المرصودة (باستخدام الخطأ التقاطعي الثنائي - Binary Cross-Entropy).
2. التحسين القائم على التدرج (Gradient-Based Refinement): بدلاً من تحديث أوزان النموذج، يتم تحسين الميزة الكامنة عبر خطوة واحدة من الانحدار الاشتقاقي لتقليل هذا الفقد.
3. النتيجة: ينتج عن ذلك كود كامن مُحسّن ( $x^{aligned}_{0|t}$ ) يقوم بمحاذاة الأولوية التوليدية مع البيانات المرصودة، مما يؤدي إلى تنعيم العيوب قبل خطوة إزالة الضجيج التالية.

3. المساهمات الرئيسية

إطار عمل LaS-Comp: نهج مبتكر "صفري التدريب" يحل مشكلة عدم الاتساق الكامن-المكاني من خلال الجمع بين الاستبدال الصريح (للدقة) والمحاذاة الضمنية (للتماسك).
كفاءة عالية دون تدريب: لا يتطلب هذا الأسلوب أي ضبط دقيق (Fine-tuning) للنماذج التأسيسية. وهو فعال للغاية، حيث يكمل الشكل في حوالي 20 ثانية (أسرع بـ 3 مرات تقريباً من الطرق الحالية صفرية التدريب).
معيار Omni-Comp: قدم المؤلفون معياراً شاملاً جديداً يحتوي على 30 كائناً متنوعاً (مسوحات من العالم الحقيقي من Redwood/YCB وأشكال اصطناعية) مع ثلاثة أنماط جزئية متميزة:
- مسح أحادي (Single Scan) (عمق/ليدار قياسي).
- قص عشوائي (Random Crop) (حجب تعسفي).
- جزء دلالي (Semantic Part) (أجزاء دلالية محددة مفقودة).
- الأهمية: يعالج هذا التقييم محدودية المعايير السابقة التي كانت تختبر فقط المسوحات أحادية المنظور.

4. النتائج التجريبية

تم تقييم الطريقة على معايير Redwood، وSynthetic، وKITTI، وScanNet، ومعيار Omni-Comp الجديد.

الأداء الكمي:
- Redwood/Synthetic: يتفوق على أفضل الطرق الحالية صفرية التدريب (ComPC, GenPC, SDS-Comp) بفوارق كبيرة (على سبيل المثال، تحسن بنسبة 27.2% في مسافة تشامفر - Chamfer Distance مقارنة بـ ComPC).
- Omni-Comp: يُظهر قوة عبر جميع الأنماط الجزئية. حيث يحقق تحسناً بنسبة 49.6% في CD و 39.4% في EMD مقارنة بأفضل خط أساس (ComPC) في المتوسط.
- الدقة (Fidelity): يحقق تفوقاً في مسافة تشامفر أحادية الاتجاه (UCD) ومسافة هاوسدورف (UHD)، مما يثبت أنه يحافظ على هندسة المدخلات بشكل أفضل من المنافسين.
الأداء النوعي:
- يتعامل بنجاح مع الحالات الصعبة التي تفشل فيها الخطوط المرجعية، مثل الأجسام ذات الأجزاء الدلالية المفقودة أو الحجب الشديد حيث لا يوجد "مشهد ثنائي الأبعاد كامل" موجود.
- يولد إكمالات ذات بنية منطقية وتفاصيل هندسية دون تشويه المناطق المرئية.
التنوع: يدعم الأسلوب كلاً من الإكمال غير المشروط والموجه بالنصوص، مما يولد فرضيات متنوعة (درجات TMD عالية) مع الحفاظ على الاتساق الهندسي.

5. الأهمية والأثر

تجاوز افتراض الرندرة: يعد LaS-Comp أول إطار عمل يستفيد بالكامل من النماذج التأسيسية ثلاثية الأبعاد ذات الفضاء الكامن دون الاعتماد على افتراض أن المدخل الجزئي يمكن رندرتُه إلى صورة ثنائية الأبعاد كاملة. وهذا يجعله قابلاً للتطبيق في سيناريوهات العالم الحقيقي شديدة عدم الانتظام والحجب.
جسر الفجوة الكامنة-المكانية: من خلال حقن الهندسة المكانية صراحةً في عملية التوليد الكامن، تقدم الورقة حلاً قوياً للفجوة في النطاق التي أعاقت الإكمال ثلاثي الأبعاد صفري التدريب.
الانتشار العملي: طبيعة الأسلوب التي لا تتطلب تدريباً وتوافقه مع النماذج التأسيسية تجعل استخدامه فورياً في تطبيقات العالم الحقيقي مثل الإمساك الروبوتي والملاحة الذاتية، حيث تكون فئات الكائنات مفتوحة وغير محدودة والبيانات شحيحة.
معيار تقييم جديد: إن تقديم Omni-Comp يضع معياراً جديداً لتقييم الإكمال ثلاثي الأبعاد، متجاوزاً مجرد المسوحات أحادية المنظور لاختبار القدرة الحقيقية على التعميم عبر أنماط الحجب المتنوعة.