HumanOrbit: 3D Human Reconstruction as 360° Orbit Generation
تعد HumanOrbit طريقة تعتمد على انتشار الفيديو لتوليد فيديوهات مدارية بزاوية 360 درجة متسقة من صورة بشرية واحدة، مما يتيح إعادة بناء نماذج ثلاثية الأبعاد ذات أنسجة عالية الدقة ومكتملة هندسياً مع حفاظ فائق على الهوية مقارنة بنهج تخليق المشاهد متعددة الزوايا الحالية.
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 أن لديك صورة فوتوغرافية واحدة مسطحة لشخص يقف أمامك. تريد أن تعرف كيف يبدو من الخلف، أو من الجانب، أو حتى من الأعلى. في العالم الحقيقي، يمكنك ببساطة المشي حوله. لكن في العالم الرقمي، تعد هذه معضلة كبيرة لأن الصورة المسطحة تخفي كل التفاصيل "الخلفية".
تقدم هذه الورقة البحثية HumanOrbit، وهي أداة ذكاء اصطناعي جديدة تحل هذه المعضلة عبر "تخيل" فيديو بزاوية 360 درجة للشخص، مما يتيح لك الدوران حوله كما لو كنت تسير في دائرة.
إليك كيفية عملها، مقسمة إلى مفاهيم بسيطة:
1. المشكلة: فخ "الصورة المسطحة"
حاولت معظم أدوات الذكاء الاصطناعي السابقة تخمين الشكل ثلاثي الأبعاد للشخص من خلال النظر إلى الصورة ومحاولة "رسم" الجوانب المفقودة. الأمر يشبه محاولة تخمين شكل الجزء الخلفي من سيارة بمجرد النظر إلى مصدها الأمامي. وغالباً ما يرتبك الذكاء الاصطناعي، مما ينتج عنه شخص يبدو كأنه تمثال من الشمع المذاب، أو لديه يدان يسرى، أو تتغير ملامح وجهه أثناء دوران الكاميرا.
2. الحل: ذكاء اصطناعي بصفة "مخرج سينمائي"
بدلاً من محاولة بناء نموذج ثلاثي الأبعاد مباشرة، طرح المؤلفون سؤالاً مختلفاً: "ماذا لو طلبنا من الذكاء الاصطناعي فقط صنع فيديو لهذا الشخص وهو يدور؟"
لقد أدركوا أن الذكاء الاصطناعي الحديث بارع جداً بالفعل في صنع فيديوهات تتحرك فيها الكاميرا حول موضوع ما (مثل لقطة طائرة درون في فيلم). لقد أخذوا ذكاءً اصطناعياً قوياً لصنع الفيديوهات وأعطوه القليل من التدريب الخاص.
- التشبيه: فكر في الذكاء الاصطناعي كممثل موهوب حفظ مليارات الأفلام؛ فهو يعرف كيف تتحرك الكاميرا حول الشخص بشكل طبيعي. لم يعلم الباحثون هذا الممثل كيفية بناء النماذج ثلاثية الأبعاد، بل أعطوه نصاً فقط: "إليك صورة لشخص. الآن، مثّل مشهداً حيث تدور الكاما حوله في دائرة كاملة، مع الحفاظ على وجهه وملابسه كما هي تماماً."
3. كيف تعلم (خدعة "الفئة الصغيرة")
عادةً، يتطلب تعليم الذكاء الاصطناعي القيام بهذا الأمر مكتبة ضخمة من المسوحات ثلاثية الأبعاد (آلاف الساعات من البيانات)، وهو أمر مكلف وصعب المنال.
- الخدعة: استخدم الباحثون تقنية تسمى LoRA (التكيف منخفض الرتبة). تخيل أن الذكاء الاصطناعي هو موسوعة ضخمة؛ بدلاً من إعادة كتابة الكتاب بأكله، قاموا فقط بإضافة ملحق صغير على شكل "قصاصات لاصقة" بالقواعد المحددة لـ "الدوران حول شخص".
- احتاجوا فقط إلى 500 مسح ثلاثي الأبعاد لتعليم هذا "الملحق". وهذا أمر فعال للغاية، مثل تعلم قيادة السيارة بمجرد مشاهدة دروس قلي la قيادة بدلاً من قراءة كل قوانين المرور في العالم.
4. النتيجة: فيديو "المدار السحري"
عندما تغذي HumanOrbit بصورة واحدة، فإنه لا يخرج لك نموذجاً ثلاثي الأبعاد فوراً. أولاً، يقوم بإنشاء فيديو بزاوية 360 درجة.
- ترى الشخص من الأمام، ثم من الجانب، ثم من الخلف، ثم من الجانب الآخر، كل ذلك في حلقة واحدة سلسة ومستمرة.
- ولأنها عملية فيديو، يضمن الذك الذكاء الاصطناعي بقاء نمط قميص الشخص، وشعره، ووجهه متسقين؛ فلا يتشوهون أو يتغير شكلهم أثناء الدوران.
5. تحويل الفيديو إلى تمثال ثلاثي الأبعاد
بمجرد أن يصنع الذكاء الاصطناعي هذا "فيديو المدار"، يبدأ الجزء الثاني من نظامهم في العمل. يأخذ إطارات الفيديو ويستخدم خدعة رياضية ذكية (تسمى "نحت الشبكة") لتحويل الصور المسطحة إلى جسم ثلاثي الأبعاد صلب.
- التشبيه: تخيل أن لديك فيديو لتمثال يتم نحته من جميع الزوايا. ينظر الكمبيوتر إلى الظلال والحواف في الفيديو و"ينحت" كتلة رقمية من الطين حتى تطابق الفيديو تماماً. النتيجة هي شبكة (Mesh) ثلاثية الأبعاد عالية الجودة مع أنسجة واقعية يمكنك تدويرها، وتكبيرها، واستخدامها في ألعاب الفيديو أو الواقع الافتراضي.
لماذا هذا الأمر مهم؟
- لا حاجة لمعدات خاصة: لا تحتاج إلى استوديو به 50 كاميرا. فقط صورة واحدة من هاتفك.
- اتساق أفضل: على عكس الطرق القديمة التي قد تعطيك شخصاً بوجه مشوه عند النظر إليه من الجانب، تحافظ هذه الطريقة على الهوية الأصلية.
- تعدد الاستخدامات: تعمل هذه التقنية على لقطات الجسم الكامل، وصور الوجوه، وحتى (للمفاجأة) على الأشياء غير البشرية مثل الكراسي أو الكلاب، لأن الذكاء الاصطناعي تعلم مفهوم "الدوران" من فيديوهات العالم الحقيقي.
العقبة
العيب الرئيسي هو السرعة. نظرًا لأنه يقوم بإنشاء فيديو عالي الجودة، فإنه يستغرق حوالي 17 دقيقة لمعالجة صورة واحدة. الأمر يشبه انتظار طابعة ثلاثية الأبعاد متطورة لتنهي نحتاً معقداً. لكن جودة النتيجة لا تُعلى حالياً.
باختصار: يحول HumanOrbit الصورة المسطحة المملة إلى تجربة ثلاثية الأبعاد سحرية ودوارة، عن طريق خداع ذكاء اصطناعي صانع للفيديوهات لجعله "يدور حول" الموضوع من أجلك.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.