CanoVerse: 3D Object Scalable Canonicalization and Dataset for Generation and Pose
تقدم الورقة البحثية CanoVerse، وهي مجموعة بيانات ضخمة تضم 320 ألف كائن ثلاثي الأبعاد معيار (canonicalized) وإطار عمل عالي الإنتاجية يعمل على حل الغموض الاتجاهي لتحسين استقرار التوليد ثلاثي الأبعاد، والاسترجاع عبر الوسائط، وتقدير التوجه في حالة الصفر (zero-shot) بشكل كبير.
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 دخلت إلى مستودع ضخم وفوضوي مليء بالملايين من الأجسام ثلاثية الأبعاد: كراسي، سيارات، دراجات هوائية، وسيوف. ولكن إليك العقدة: كل قطعة منها ملقاة على جانبها، أو مقلوبة رأساً على عقب، أو تدور بشكل عشوائي. الكراسي ملقاة على ظهورها، والسيارات تسير على أسطحها، والسيوف تشير نحو السقف.
إذا حاولت تعليم روبوت كيفية التعرف على "كرسي" وسط هذه الفوضى، فسوف يرتبك. هل هذا كرسي؟ أم أنه طاولة غريبة؟ إذا طلبت من فنان أن يرسم كرسياً بناءً على هذه الزوايا العشوائية، فقد يرسم كرسياً ملقىً على ظهره.
هذه هي المشكلة التي يحلها بحث "CanoVerse".
المشكلة: "المستودع الفوضوي"
لفترة طويلة، عانت تقنيات الذكاء الاصطناعي ثلاثية الأبعاد لأن البيانات التي تتعلم منها غير منظمة. وبينما تجيد الحواسيب معرفة حجم الجسم أو مكانه في الفضاء، إلا أنها سيئة جداً في الاتفاق على أي اتجاه هو "الأعلى" وأي اتجاه هو "الأمام".
بدون معيار ثابت لـ "الأعلى" و"الأمام"، ترتبك نماذج الذكاء الاصطناعي. فهي لا تستطيع تعلم أن الكرسي دائماً له مقعد يتجه للأعلى وظهر يتجه للخلف. هي فقط ترى مجموعة من الأشكال المتداخلة. وهذا يجعل من الصعب على الذكاء الاصطناعي القيام بـ:
- توليد أجسام ثلاثية الأبعاد جديدة (قد يصنع سيارة بعجلات فوق السقف).
- إيجاد الأجسام (البحث عن "كوب" قد يفشل إذا كان الكوب مقلوباً في قاعدة البيانات).
- فهم العالم (قد لا يعرف الروبوت كيفية التقاط كوب إذا لم يعرف الاتجاه الذي يواجه فيه المقبض).
الحل: "أمين المكتبة فائق السرعة"
ابتكر المؤلفون CanoVerse، وهو مكتبة ضخمة تضم 320,000 جسم (من 1,156 فئة مختلفة) تم تنظيمها جميعها بدقة. كل كرسي يجلس في وضع مستقيم، كل سيارة تتجه للأمام، وكل كوب يقف على قاعدته.
لكن تنظيم 320,000 قطعة يدوياً قد يستغرق سنوات من البشر. لذا، قاموا ببناء نظام جديد فائق السرعة للقيام بذلك.
إليك كيف يعمل نظامهم، باستخدام تشبيه بسيط:
1. خدعة "الاختيار من متعدد"
بدلاً من طلب تدوير جسم ثلاثي الأبعاد من قبل إنسان حتى يبدو صحيحاً (وهو أمر يشبه محاولة العثور على إبرة في كومة قش)، يقوم الكمبيوتر بالعمل الشاق أولاً.
- مهمة الكمبيوتر: ينظر إلى الجسم الفوضوي ويخمن بسرعة: "ربما يجب أن يكون بهذا الاتجاه؟ أو ربالما بهذا الاتجاه؟ أو بهذا الاتجاه؟" ويقوم بتوليد أفضل 5 تخمينات (مرشحين) للوضعية الصحيحة.
- مهمة الإنسان: يقوم الإنسان فقط بالنظر إلى الشاشة التي تعرض الجسم في تلك المواضع الخمسة، ثم ينقر على الوضع الذي يبدو صحيحاً. الأمر يشبه خوض اختبار اختيار من متعدد بدلاً من كتابة مقال.
النتيجة: ما كان يستغرق من الإنسان دقائق للقيء لقطعة واحدة، أصبح الآن يستغرق ثوانٍ. هذه السرعة سمحت لهم ببناء مجموعة بيانات أكبر بعشر مرات من أي شيء كان موجوداً من قبل.
لماذا يهم هذا: "القوة الخارقة" للذكاء الاصطناعي
مع وجود هذه المكتبة المنظمة تماماً (CanoVerse)، يحصل نماذج الذكاء الاصطناعي فجأة على "قوة خارقة":
- فنانون ثلاثي الأبعاد أفضل: عندما تطلب من الذكاء الاصطناعي توليد سيارة ثلاثية الأبعاد، فإنه الآن يعرف تماماً ماذا يعني "الأمام" و"الأعلى". لن يضع الزجاج الأمامي في الأسفل بالخطأ. النتائج ستكون مستقرة وواقعية.
- المحقق "صفر الاستباق" (Zero-Shot): يظهر البحث أن الذكاء الاصطناعي المدرب على هذه البيانات يمكنه النظر إلى جسم جديد تماماً لم يره من قبل (مثل أداة فضائية غريبة) وتخمين الاتجاه الذي هو "أعلى" والاتجاه الذي هو "أمام" فوراً. إنه مثل محقق يمكنه معرفة كيف يقف شخص غريب بمجرد النظر إلى ظله، حتى لو لم يقابله من قبل.
- بحث أسرع: إذا أردت العثور على "مصباح" في قاعدة بيانات، يمكن للذكاء الاصطناعي الآن مطابقة بحثك بدقة، حتى لو كان المصباح في قاعدة البيانات مخزناً بشكل جانبي، لأنه يستطيع "تعديله" ذهنياً أولاً.
الخلاصة
فكر في CanoVerse كأول مرة يأخذ فيها شخص ما مجرة فوضوية ودوارة من الأجسام ثلاثية الأبعاد ويرتبها جميعاً على رف، بحيث تواجه جميعها نفس الاتجاه.
من خلال إنشاء هذه المكتبة الضخمة وابتكار طريقة لبنائها في ثوانٍ بدلاً من سنوات، منح المؤلفون الذكاء الاصطناعي ثلاثي الأبعاد أساساً متيناً. الآن، بدلاً من التخمين أين هو الأعلى، يمكن للذكاء الاصطناعي أخيراً تعلم "اللغة" الحقيقية للأشكال ثلاثية الأبعاد، مما يؤدي إلى روبوتات أفضل، ألعاب فيديو أفضل، وعوالم افتراضية أكثر ذكاءً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.