GazeOnce360: Fisheye-Based 360{\deg} Multi-Person Gaze Estimation with Global-Local Feature Fusion
تقدم هذه الورقة البحثية نموذج GazeOnce360، وهو نموذج مبتكر يعمل من البداية إلى النهاية لتقدير اتجاهات نظرة العين ثلاثية الأبعاد لعدة أشخاص من كاميرا عين السمكة واحدة موجهة للأعلى، مدعوماً بمجموعة بيانات MPSGaze360 الاصطناعية الجديدة وببنية ثنائية الدقة تدمج السياق العالمي مع ميزات العين المحلية للتعامل مع تشوه عين السمكة الشديد.
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 تجلس حول طاولة مستديرة في مقهى مزدحم. ترغب في معرفة ما ينظر إليه كل من حولك بالضبط — ربما لترى من مهتم بقائمة الطعام، أو من يتشتت انتباهه، أو من يتواصل معك بصرياً.
في الماضي، للقيام بذلك، كنت ستحتاج إلى فريق من الأشخاص يحملون كاميرات ويقفون حول الطاولة، أو نظام معقد من المرايا والعدسات. كان ذلك سيكون مكلفاً، ضخماً، وعرضة للأخطاء.
إليك "GazeOnce360".
فكر في هذه التكنولوجيا الجديدة كأنها عين خارقة، كليّة الرؤية توضع في منتصف طاولتك تماماً، وتنظر مباشرة إلى السقف. إنها كاميرا "عين السمكة" (Fisheye) خاصة (مثل تلك المستخدمة في كاميرات المراقبة أو الصور بزاوية 360 درجة) يمكنها رؤية الجميع في دائرة كاملة حولها.
إليك كيف يشرح البحث هذا الاختراق، مقسماً إلى مفاهيم بسيطة:
1. المشكلة: تأثير "مرآة الملاهي"
التحدي الرئيسي هو أن كاميرات عين السمكة تشبه مرايا الملاهي (التي تشوه الملامح). فهي تقوم بتمطيط وتشويه كل شيء.
- إذا نظرت إلى شخص يقف بعيداً على الجانب في صورة عادية، سيبدو وجهه طبيعياً.
- أما في صورة "عين السمكة"، فإن نفس الوجه سيبدو متمططاً، ومضغوطاً، ومائلاً.
- حاولت الطرق السابقة إصلاح ذلك عن طريق أخذ الصورة المشوهة، وتقطيعها إلى قطع، وتعديل استقامتها، ثم بعد ذلك التخمين أين ينظر الناس. هذا يشبه محاولة حل لغز (بازل) عبر تفكيكه، وإصلاح كل قطعة على حدوة، ثم إعادة تجميعها. إنها عملية بطيئة، وإذا ارتكبت خطأً في قطعة واحدة، فستكون الصورة بأكملها خاطئة.
2. الحل: خدعة "الخطوة الواحدة" السحرية
بنى المؤلفون نموذج ذكاء اصطناعي جديداً يسمى GazeOnce360. بدلاً من طريقة اللغز البطيئة متعددة الخطوات، يشبه هذا النموذج ساحراً يرى الصورة الكاملة دفعة واحدة.
- إنه ينظر إلى صورة "عين السمكة" المتمططة والمشوهة مباشرة.
- لا يحاول "إصلاح" الصورة أولاً؛ بل يتعلم فهم التشوه كجزء طبيعي من الرؤية.
- يخبرك فوراً: "ذلك الشخص على اليسار ينظر إلى كوب القهوة"، و"ذلك الشخص على اليمين ينظر إليك".
3. كيف يعمل: استراتيجية "العدسة المزدوجة"
لكي يكون سريعاً ودقيقاً، يستخدم النموذج حيلة الدقة المزدوجة الذكية. تخيل حارس أمن لديه طريقتان للنظر إلى الحشد:
- رؤية الزاوية العريضة (دقة منخفضة): ينظر الحارس إلى الغرفة بأكملها من مسافة بعيدة. يمكنه رؤية أين يقف كل شخص وكيف يتوزع الجمع، لكنه لا يستطيع رؤية تفاصيل أعينهم.
- رؤية التقريب (دقة عالية): يقوم الحارس بعد ذلك بعمل زووم (تقريب) على وجه كل شخص ليرى بالضبط إلى أين تتجه حدقات أعينهم.
يجمع GazeOnce360 بين هاتين الرؤيتين. فهو يستخدم "الزاوية العريضة" لإيجاد الأشخاص، و"التقريب" لقراءة أعينهم. ثم يدمج هذه المعلومات معاً بحيث يعرف بالضبط من ينظر إلى ماذا، دون أن يرتبك بسبب الحواف المشوهة لعدسة عين السمكة.
4. السر الخفي: الالتفاف الدوراني (Rotational Convolution)
الذكاء الاصطناعي القياسي اعتاد على رؤية الأشياء قائمة. إذا قمت بتدوير صورة قطة، فقد يرتبك الذكاء الاصطناعي العادي. ولكن في رؤية 360 درجة (عين السمكة)، يكون الناس مدورين في كل الاتجاهات.
لقد منح المؤلفون ذكاءهم الاصطناعي أداة خاصة تسمى الالتفاف الدوراني (Rotational Convolution).
- تشبيه: تخيل مصباحاً يدوياً عادياً يضيء للأمام فقط. إذا أدرت رأسك، فإن الضوء لا يتبعك.
- الأداة الجديدة: هذه الأداة تشبه كشافاً بزاوية 360 درجة يدور مع الجسم. مهما كان الوجه ملتوياً أو متمططاً بفعل عدسة عين السمكة، فإن "كشاف" الذكاء الاصطناعي يدور ليتناسب معه، مما يضمن رؤية العينين بوضوح دائماً.
5. ساحة التدريب: فصل "الواقع الافتراضي" الدراسي
لا يمكنك بسهولة تعليم روبوت القيام بهذا مع أشخاص حقيقيين لأن من الصعب معرفة أين ينظر الإنسان بالضبط (سيتعين عليك سؤاله، وقد يكذب أو ينسى).
لذا، بنى المؤلفون عالماً افتراضياً ضخماً (باستخدام محرك ألعاب يسمى Unreal Engine).
- أنشأوا آلاف الأشخاص الرقميين بظلال بشرة مختلفة، وأعمار مختلفة، وملابس متنوعة.
- وضعوهم حول طاولة افتراضية وبرمجوهم لينظروا في اتجاهات محددة.
- ولأنها محاكاة حاسوبية، فإن الكمبيوتر يعرف بالضبط أين تنظر كل حدقة عين، وصولاً إلى مستوى البيكسل.
- قاموا بتدريب الذكاء الاصطناعي على هذه البيانات "الوهمية"، ومن المثير للدهشة أن الذكاء الاصطناعي تعلم جيداً لدرجة أنه يعمل بشكل مثالي على الصور في العالم الحقيقي أيضاً!
لماذا يهم هذا؟
هذا ليس مجرد عرض تقني رائع؛ بل له استخدامات في العالم الحقيقي:
- المكاتب الذكية: يمكن لروبوت على الطاولة أن يعرف ما إذا كان الفريق بأكمله يشعر بالملل أو بالاندماج أثناء الاجتماع.
- نقاط الخدمة: يمكن لمكتب في بنك أو فندق أن يرى ما إذا كان العميل ينظر إلى كتيب إرشادي أو ينتظر المساعدة.
- الواقع الافتراضي: يمكن أن يجعل التفاعلات في الواقع الافتراضي تبدو أكثر طبيعية من خلال فهم أين تنظر أنت والآخرون في مساحة 360 درجة.
باخت-اختصار: GazeOnce360 هو نظام ذكي، سريع، ومرن يحول الرؤية المشوهة بزاوية 360 درجة إلى فهم واضح لانتباه البشر، كل ذلك دون الحاجة إلى فريق من الكاميرات أو إعدادات معقدة. إنه بمثابة منح الكمبيوتر القدرة على "قراءة الغرفة"، بغض النظر عن كيفية ترتيب تلك الغرفة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.