💻 computer science

BuildMamba: A Visual State-Space Based Model for Multi-Task Building Segmentation and Height Estimation from Satellite Images

يُعد BuildMamba إطار عمل موحداً متعدد المهام يستفيد من نماذج الحالة الفضائية المرئية لتحقيق أداء رائد في تقسيم المباني وتقدير ارتفاعها من صور الأقمار الصناعية، وذلك عبر تقديم وحدة انتباه Mamba، وهيكل Mamba-FPN مدرك للمكان، ووحدة تحسين الارتفاع المدركة للقناع للتغلب على مشكلتي تداخل الحدود والتقليل من تقدير الارتفاع مع ضمان الكفاءة الحسابية.

المؤلفون الأصليون: Sinan U. Ulu, A. Enes Doruk, I. Can Yagmur, Bahadir K. Gunturk, Oguz Hanoglu, Hasan F. Ates

نُشر 2026-03-10

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Sinan U. Ulu, A. Enes Doruk, I. Can Yagmur, Bahadir K. Gunturk, Oguz Hanoglu, Hasan F. Ates

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 مدينة من ارتفاع شاهق جدًا، مثل طائر يحلق مباشرة للأسفل. من هذا المنظور، تبدو ناطحات السحاب والمنازل الصغيرة وكأنها أشكال ملونة مسطحة على خريطة؛ تبدو كرسومات ثنائية الأبعاد (2D). ولكن إذا أردت بناء نموذج ثلاثي الأبعاد (3D) لهذه المدينة لأغراض التخطيط العمراني، فستحتاج إلى معرفة شيئين: أين توجد المباني (مساحاتها الأرضية) وكم يبلغ ارتفاعها.

هذا لغز صعب على الحواسيب. فالصورة الواحدة لا تملك أدلة العمق التي تملكها أعيننا. الأمر يشبه محاولة تخمين ارتفاع كومة من الكتب بمجرد النظر إلى قمة الكومة من الأعلى.

تقدم هذه الورقة برنامجًا حاسوبيًا جديدًا يسمى BuildMamba يحل هذا اللغز. وإليك كيف يعمل، مشروحًا ببساطة:

المشكلة: الرؤية "المسطحة"

تحاول البرامج الحاسوبية الحالية تخمين ارتفاعات المباني من صور الأقمار الصناعية، لكنها غالبًا ما تقع في الأخطاء.

تأثير "النزيف" (Bleeding): غالبًا ما تتسبب في ضبابية الحواف، مما يجعل المبنى الطويل يبدو وكأنه يذوب في الأرض.
التخمين "القصير": تميل هذه البرامج إلى التقليل من تقدير ارتفاع ناطحات السباق، معتقدة أنها أقصر مما هي عليه في الواقع.
التكلفة "الثقيلة": لكي ترى الحواسيب التقليدية سياق المدينة بأكمله (مثل كيفية ارتباط مبنى بآخر بعيد عنه)، يتعين عليها القيام بعمليات حسابية هائلة، وهو أمر بطيء ومكلف.

الحل: BuildMamba

قام المؤلفون ببناء نظام جديد يسمى BuildMamba. فكر فيه كأنه محقق ذكي للغاية ينظر إلى صورة قمر صناعي ويرسم خريطة ثلاثية الأبعاد مثالية للمدينة. يقوم بذلك عبر دمج وظيفتين في آن واحد: إيجاد حدود المباني وتخمين الارتفاع.

إليك الأدوات الثلاث الخاصة (الوحدات) داخل BuildMamba التي تجعله متميزًا بهذا الشكل:

1. وحدة "انتباه مامبا" (المصباح الكاشف)

تخيل أنك في غرفة مظلمة مليئة بالأثاث، وتحتاج للعثور على كرسي معين. بدلًا من النظر إلى الغرفة بأكملها في وقت واحد، تسلط ضوءًا على الأجزاء الأكثر أهمية.

كيف تعمل: تعمل هذه الوحدة كمصباح كاشف ديناميكي. فهي تمسح الصورة وتقول: "مهلًا، هذا الجزء من السطح مهم، فلنركز هناك"، بينما تتجاهل السماء الفارغة المملة. وهي تساعد الحاسوب على الانتباه للتفاصيل الصحيحة دون الارتباك بسبب الظلال أو أنسجة الأسطح الغريبة.

2. "Mamba-FPN الإدراكي المكاني" (الأداة متعددة الاستخدامات)

عادةً، تنظر الحواسيب إلى الصورة بطريقتين: زووم قريب (لرؤية التفاصيل الصغيرة مثل نافذة) أو زووم بعيد (لرؤية الحي بأكمله). وغالبًا ما لا يتواصل هذان المنظوران بشكل جيد.

كيف تعمل: هذه الأداة تشبه "السكين السويسري" الذي يمكنه التبديل بين مستويات الزووم فورًا. فهي تستخدم تقنية "فضاء الحالة" الخاصة (المعروفة باسم Mamba) والتي تتميز بالسرعة العالية في الربط بين التفاصيل الصغيرة والصورة الكبيرة. الأمر يشبه امتلاك فريق من المحققين، حيث ينظر أحدهم إلى الطوب والآخر إلى أفق المدينة، ويتبادلون الملاحظات فورًا لبناء صورة كاملة. وهذا يسمح للنظام بالتعامل مع كل من المنازل الصغيرة وناطحات السحاب الضخمة بدقة.

3. "تحسين الارتفاع المدرك للقناع" (المحرر)

أحيانًا، يخمن الحاسوب الارتفاع لكن النتيجة تكون "مشوشة" قليلاً—مثل راديو به تشويش، أو نموذج ثلاثي الأبعاد ذي أسطح متعرجة وغير منتظمة.

كيف تعمل: تعمل هذه الوحدة كمحرر صارم. فهي تنظر إلى "مخطط المبنى" الذي رسمه الحاسوب بالفعل (القناع/الماسك) وتقول: "حسنًا، إذا كان هذا مبنى، فيجب أن يكون الارتفاع هنا سلسًا. وإذا كان المخطط يشير إلى أنه طريق، فيجب أن يكون الارتفاع صفرًا". إنها تستخدم شكل المبنى لتنقية تخمين الارتفاع، مما يزيل "التشويش" ويجعل الحواف حادة ونظيفة.

النتائج: لماذا يهم ذلك؟

اختبر المؤلفون BuildMamba على ثلاث مجموعات مختلفة من صور الأقمار الصناعية من مدن مختلفة حول العالم.

أسرع وأذكى: على عكس الطرق القديمة التي ترتبك أمام المباني العالية أو التخطيطات المعقدة للمدن، حافظ BuildMamba على هدوئه ودقته.
دقة أفضل: خمن ارتفاعات المباني بدقة أكبر بكثير من أفضل الطرق السابقة. على سبيل المثال، في أحد الاختبارات، قلل الخطأ بمقدار متر واحد تقريبًا مقارنة بالمنافسين.
لا يحتاج لمساعدة إضافية: تحتاج العديد من الأنظمة الأخرى إلى بيانات إضافية (مثل المسح الليزري ثلاثي الأبعاد) لتعمل بشكل جيد. أما BuildMamba فلا يحتاج سوى لصورة قمر صناعي قياسية (RGB)، مما يجعله سهل الاستخدام في أي مكان في العالم.

الخلاصة

BuildMamba يشبه منح الحاسوب "نظارات ثلاثية الأبعاد" بمجرد إظهار صورة مسطحة له. ومن خلال استخدام طريقة جديدة وفعالة للنظر إلى المدينة بأكملها في وقت واحد (تقنية Mamba) وإضافة أدوات ذكية للتركيز على التفاصيل وتنقية الأخطاء، فإنه ينشئ خريطة ثلاثية الأبعاد أكثر دقة وموثوقية لمدننا من أي وقت مضى. وهذا يساعدنا على فهم بيئاتنا الحضرية بشكل أفضل دون الحاجة إلى بيانات إضافية مكلفة أو يصعب الحصول عليها.

ملخص تقني لنموذج "BuildMamba: نموذج يعتمد على الحالة الفراغية البصرية لتجزئة المباني وتقدير الارتفاع متعدد المهام من الصور الساتلية"

بيان المشكلة
يعد التجزئة الدقيقة للمباني وتقدير الارتفاع من صور الأقمار الصناعية ذات الطيف المرئي (RGB) أحادية المنظور أمراً بالغ الأهمية للتحليلات الحضرية، بما في ذلك التخطيط، ومراقبة البنية التحتية، وتقييم المخاطر. ومع ذلك، فإن هذه المهمة هي بطبيعتها مسألة غير محددة جيداً (ill-posed) بسبب هندسة التصوير القريبة من المنظور الرأسي العلوي، مما يحجب الهياكل ثلاثية الأبعاد، والاعتماد على إشارات المظهر غير المباشرة مثل الملمس والظلال. تعاني النهج الحالية، التي غالباً ما تكيّف بنيات العمق أحادية المنظور، من عدة قيود:

الضعف الهيكلي: تعتمد بشكل متكرر على الارتباطات الضمنية بين ملمس الصورة والارتفاع، وتفتقر إلى الفهم الهيكلي الصريح لأشكال المباني.
العيوب (Artifacts): تشمل المشكلات الشائعة تسرب الحدود (boundary bleeding)، والتقليل المنهجي لتقدير ارتفاع الهياكل الشاهقة، والحساسية تجاه أنسجة أسطح المباني المتجانسة وتغيرات الإضاءة.
الاعتماد على البيانات المساعدة: تتطلب العديد من الطرق القوية وسائط مساعدة (مثل الرادار ذو الفتحة الاصطناعية SAR، أو ليدار LiDAR، أو نماذج الارتفاع الرقمية DSMs) أو إشرافًا مساعدًا (مثل أقنعة استخدام الأراضي) والتي غالباً ما تكون غير متوفرة أثناء الاستدلال، مما يحد من قابلية التوسع في بيئات RGB فقط.
المقايضات الحسابية: تنطوي النماذج التقليدية للنمذجة العالمية عبر المحولات (Transformers) على تعقيد حسابي تربيعي، بينما تعاني الشبكات العصبية الالتفافية (CNNs) في نمذجة الاعتمادات طويلة المدى.

المنهجية: BuildMamba
يقترح المؤلفون BuildMamba، وهو إطار عمل موحد متعدد المهام مصمم لإجراء تجزئة المباني وتقدير الارتفاع معاً باستخدام مدخلات RGB فقط. تعتمد البنية على عمود فقري بصري للحالة الفراغية (VMamba) لموازنة نمذجة السياق العالمي مع الكفاءة الحسابية. يتكون الإطار من أربعة مكونات رئيسية:

العمود الفقري للحالة الفراغية البصرية (VMamba):
بدلاً من آليات الانتباه القياسية، يستخدم النموذج نماذج الحالة الفراغية الانتقائية (S6) المعممة للبيانات البصرية ثنائية الأبعاد. يستخدم هذا النموذج وحدة المسح المتقاطع (CSM) التي تقوم بفك قطع الصورة إلى أربعة تسلسلات متميزة تتحرك في اتجاهات مختلفة عبر الخريطة الميزية. يسمح هذا للنموذج بالتقاط الاعتمادات العالمية طويلة المدى بتعقيد حسابي خطي ( $O(N)$ ) مع الحفاظ على المحلية المكانية، مما يعالج اختناقات الكفاءة في المحولات.
وحدة انتباه مامبا (MAM):
تُدمج عند مخرج كل مرحلة من مراحل الترميز، حيث تعمل MAM على إعادة معايرة الأهمية المكانية ديناميكياً. تقوم بمعالجة الميزات على طول أبعاد الارتفاع والعرض عبر التجميع المتوسط التكيفي، مما يولد خريطة انتباه تؤكد المناطق المعلوماتية وتكبح الضوضاء. يعزز هذا دمج الميزات المحلية والعالمية المستخرجة بواسطة الترميز ثنائي المسار.
شبكة المامبا الهرمية المعتمدة على المكان (S-MambaFPN):
لمعالجة قيود شبكات هرم الميزات (FPN) القياسية في نشر الاعتمادات طويلة المدى، استبدل المؤلفون عامل التحسين بمسح حالة فراغية بوابي (gated state-space scan). يجمع هذا النموذج بين فرع Mamba أساسي وفرع مسح مدرك للمكان يستخدم عمليات الالتفاف بعمق (3×3 و 7×7) لالتقاط الإشارات المحلية والمتوسطة المدى. يتم دمج المخرجات عبر الضرب العنصري، مما يسمح للشبكة بدمج الأدلة المكانية مع السياق طويل المدى في كل مستوى هرمي.
تحسين الارتفاع المدرك للقناع (MHR):
تستغل هذه الوحدة عدم التماثل بين التجزئة وتقدير الارتفاع، حيث تتقارب أقنعة التجزئة غالباً بشكل أسرع وتوفر حدوداً هيكلية أكثر موثوقية. تتعامل وحدة MHR مع قناع التجزئة كـ "سابقة ثقة" مدركة للهيكل. تأخذ مدخلات الارتفاع الخام وقناع التجزية كمدخل ثنائي القنوات، وتتنبأ بتصحيح الارتفاع المتبقي. تقوم وظيفة تحديث بوابية بتعديل هذا المتبقي بناءً على ثقة التجزئة، مما يؤدي فعلياً إلى كبح عيوب الارتفاع (ضوضاء النمش) في المناطق منخفضة الملمس وشحذ الحدود دون جعل تقدير الارتفاع دالة تافهة للقناع.

دالة الخسارة
يتم تدريب الإطار باستخدام دالة هدف مركبة:

خسارة التجزئة: مزيج من "الإنتروبيا المتقاطعة" (Cross-Entropy)، وخسارة "دايس" (Dice loss) (للتعامل مع عدم توازن الفئات)، وحدٍ مدرك للحدود باستخدام خرائط حواف "لابلاس" لفرض الاتساق الهيكلي.
خسارة الانحدار: تُستخدم خسارة "هوبر" (Huber loss) لتقدير الارتفاع للتعامل مع القيم المتطرفة والتوزيع طويل الذيل لارتفاعات المباني، مما يضمن القابلية للاشتقاق مع منع القيم القصوى من زعزعة استقرار التدرجات.

المساهمات الرئيسية
يدعي البحث المساهمات التالية:

إطار عمل موحد يعتمد على RGB فقط: نموذج متعدد المهام يربط صراحة بين تجزئة المباني وانحدار الارتفاع من خلال قيود هيكلية، مما يلغي الحاجة إلى وسائط مساعدة مثل DSMs أو SAR.
وحدات معمارية مبتكرة: دمج وحدة انتباه مامبا (MAM) وشبكة S-MambaFPN لتعزيز التفاعل بين الميزات العالمية والمحلية وتجميع الميزات متعدد المقاييس.
التحسين المدرك للقناع: وحدة محددة تستخدم مخرجات التجزئة كسابقات ثقة لتنظيف عيوب الانحدار وتصحيح المتبقيات الارتفاعية.
استراتيجية مدركة للحدود: استراتيجية خسارة تؤكد على عدم استمرارية الارتفاع على طول حواف المباني لتقليل تنعيم الحدود.

النتائج التجريبية
تم تقييم BuildMamba على ثلاث مجموعات بيانات مرجعية: DFC19، و DFC23، ومجموعة بيانات Huawei BHE الصعبة (التي تتميز ببيئات حضرية متنوعة، وتسميات خاطئة، وبيانات مفقودة).

أداء التجزئة: حقق BuildMamba درجات IoU رائدة بلغت 0.90 في DFC19 و 0.93 في DFC23. وفي مجموعة بيانات Huawei BHE المعقدة، حقق IoU بنسبة 0.60، متفوقاً على ثاني أفضل نموذج (UANet) بنسبة 7.0%.
أداء تقدير الارتفاع: حقق النموذج RMSE قدره 1.06 م في DFC19 و 1.77 م في DFC23. وفي مجموعة بيانات Huawei BHE، حقق RMSE قدره 9.23 م ودقة $\delta_1$ بلغت 0.806.
المقارنة: تفوق النموذج باستمرار على النماذج المرجعية مثل UANet، و FarSeg++، و DSMNet، و HTC-DC. ومن الملاحظ أنه تجاوز أفضل طريقة سابقة تعتمد على RGB فقط (HTC-DC) بنسبة تقارب 31.6% في RMSE على DFC23.
دراسات الاستئصال (Ablation Studies): أكدت التجارب أن كل مكون (العمود الفقري VMamba، وMAM، وS-MambaFPN، وMHR) يساهم بشكل تراكمي في الأداء. كما أظهر العمود الفقري Mamba توازناً أفضل بين الدقة والتعقيد مقارنة بأعمدة ResNet-101 و Swin-S.

الأهمية والادعاءات
يضع المؤلفون BuildMamba كحل لتحديات تقدير الارتفاع أحادي المنظور القائم على الأقمار الصناعية، لا سيما المقايضة بين السياق العالمي والكفاءة الحسابية. يدعي البحث أنه من خلال الاستفادة من نماذج الحالة الفراغية البصرية، يضع BuildMmamba حداً أقصى جديداً للأداء للأساليب التي تعتمد على RGB فقط. تكمن الأهمية في قدرته على تقديم تنبؤات قوية ومتسقة هيكلياً في سيناريوهات متنوعة وضعيفة التوسيم في العالم الحقيقي دون الاعتماد على بيانات مساعدة. يشير المؤلفون إلى أن هذا العمل هو نسخة موسعة بشكل كبير من إطار عملهم الأولي، حيث يقدم تحليلاً أكثر صرامة لقابلية التوسع والمتانة عبر مجموعات بيانات متعددة.