💻 computer science

Granular Ball Guided Stable Latent Domain Discovery for Domain-General Crowd Counting

تقترح هذه الورقة إطار عمل موجهاً بكرات حبيبية يحقق اكتشافاً مستقراً للمجال الكامن من خلال التجميع الهرمي القائم على التمثيلات واستراتيجية تعلم ثنائية الفرع لفك تشابك الميزات الدلالية والأسلوبية، مما يحسن بشكل كبير من القدرة على التعميم في عد الحشود أحادي المصدر وعام المجال.

المؤلفون الأصليون: Fan Chen, Shuyin Xia, Yi Wang, Xinbo Gao

نُشر 2026-03-26

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Fan Chen, Shuyin Xia, Yi Wang, Xinbo Gao

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 عداد حشود. مهمتك هي النظر إلى صورة لحشد وتخمين عدد الأشخاص الموجودين فيها بدقة.

في العالم الحقيقي، هذا أمر صعب. فالصورة الملتقطة لشاطل مشمس في البرازيل تختلف تماماً عن صورة ملتقطة في محطة مترو أنفاق ممطرة في طوكيو. الإضاءة، وزاوية الكاميرا، ومدى ازدحام الناس، كلها عوامل تتغير. إذا دربت حاسوباً على عد الأشخاص باستخدام صور الشواطئ المشمسة فقط، فمن المرجح أن يفشل فشلاً ذريعاً عندما تعرض عليه صورة محطة مترو أنفاق ممطرة.

هذه هي مشكلة تعميم النطاق (Domain Generalization): وهي تعليم الحاسوب أن يكون ذكياً بما يكفي للتعامل مع أي بيئة جديدة لم يسبق له رؤيتها، دون الحاجة إلى إعادة تدريبه.

إليك كيف يحل هذا البحث تلك المشكلة، مشروحاً ببساطة:

1. المشكلة: "الفصل الدراسي الفوضوي"

أدرك الباحثون أنه حتى "بيانات التدريب" (صور الشواطئ المشمسة) ليست مجرد مجموعة واحدة كبيرة ومتجانسة. بل هي في الواقع مزيج من العديد من "البيئات الدقيقة" (على سبيل المثال: بعض الصور قريبة، وبعضها بعيد، وبعضها مزدحم، وبعضها متفرق).

حاولت الطرق القديمة تصنيف هذه الصور من خلال النظر إلى كل صورة بشكل فردي. لكن هذا يشبه محاولة تنظيم فصل دراسي فوضوي عبر طلب رفع كل طالب بمفرده ليده ويصرخ باسم مجموعته. الأمر يصبح فوضوياً! فعدد قليل من الطلاب المزعجين (القيم المتطرفة) أو طالب يمر بيوم سيء (انزياح الميزات) يمكن أن يفسد عملية التصنيف بأكملها. يصاب الحاسوب بالارتباك ويتعلم أشياء خاطئة.

2. الحل: استراتيجية "الكرة الحبيبية"

اقترح المؤلفون طريقة جديدة لتنظيم البيانات، أطلقوا عليها اسم "اكتشاف النطاق المستقر الموجه بالكرات الحبيبية" (Granular Ball Guided Stable Latent Domain Discovery).

التشبيه: نظام "ممثل الفصل"
بدلاً من مطالبة كل طالب (صورة) بالتصويت، يقوم الحاسوب أولاً بتجميع الطلاب في مجموعات صغيرة ومتماسكة تسمى "الكرات الحبيبية" (Granular Balls).

فكر في "الكرة الحبيبية" كأنها مجموعة صغيرة من الأصدقاء يجلسون على طاولة الغداء. جميعهم يبدون متشابهين.
بدلاً من الاستماع إلى 100 صوت فردي، يختار الحاسوب "ممثلاً واحداً للفصل" (مركز الكرة) ليتحدث باسم المجموعة بأكملها.
ومن ثم، يقوم بتنظيم الممثلين، وليس الأفراد.

لما لماذا هذا أفضل؟
إذا كان أحد الطلاب في مجموعة الغداء يصرخ بهراء (ضجيج)، فلا يزال بإمكان الممثل التحدث بهدوء ودقة نيابة عن المجموعة بأكملها. هذا يجعل عملية التصنيف أكثر استقراراً وأقل عرضة للاختلال بسبب الأخطاء. إنه يحول القائمة المسطحة الفوضوية إلى نظام هرمي منظم.

3. نظام "الدماغين"

بمجرد أن ينظم الحاسوب الصور في هذه المجموعات المستقرة، فإنه يستخدم إطار تعلم ذا فرعين لتعلم كيفية العد. تخيل أن الحاسوب لديه "دماغان" مختلفان يعملان معاً:

الدماغ (أ) (الدماغ الدلالي): يركز هذا الدماغ على معنى الحشد. هو يسأل: "كم عدد الرؤوس الموجودة هنا؟" ويستخدم "كتاب رموز" (Codebook) خاصاً (مثل قاموس لأنماط الحشود) لضمان فهم مفهوم "الحشد" بغض النظر عن مكان التقاط الصورة. إنه يتجاهل ضجيج الخلفية.
الدماغ (ب) (دماغ الأسلوب): يركز هذا الدماغ على مظهر الصورة. هو يسأل: "هل الجو مشمس؟ هل هو ممطر؟ هل الكاميرا مشوشة؟" إنه يتعلم "أسلوب" المجموعة المحددة (الكرة الحبيبية) حتى لا يرتبك بسبب الإضاءة.

الخدعة السحرية:
يجبر النظام هذين الدماغين على البقاء منفصلين. الدماغ (أ) يتعلم العد، والدماغ (ب) يتعلم الأسلوب. يُقال لهما: "لا تسمحا للأسلوب بأن يفسد عملية العد!" وهذا يمنع الحاسوب من التفكير بأسلوب: "أوه، هذه الصورة تبدو في يوم ممطر، لذا لا بد أن عدّي خاطئ".

4. النتيجة: عداد فائق التكيف

من خلال استخدام نظام "ممثل الفصل" هذا لإيجاد المجموعات الخفية، ثم تعليم الحاسوب فصل "العد" عن "الأسلوب"، يصبح النموذج قوياً للغاية.

الاختبار: اختبروه على مجموعات بيانات مشهورة للحشود (مثل ShanghaiTech و UCF QNRF).
النتيجة: حتى عندما تم تدريب الحاسوب على نوع معين من الحشود واختباره على نوع مختلف تماماً (مثلاً من شارع غير مزدحم إلى ملعب ضخم)، فقد حقق أداءً أفضل من جميع الطرق السابقة. لم يربكه تغير المشهد.

الملخص

فكر في هذا البحث كأنه يعلم الحاسوب كيف يكون محققاً حكيماً وليس سائحاً مرتبكاً.

الطريقة القديمة: ينظر السائح إلى كل شخص في الحشد ويحاول تخمين العدد الإجمالي، فيشعر بالارتباك من الفوضى.
الطريقة الجديدة: يجمع المحقق الناس في مجموعات منطقية، ويستمع إلى قادة المجموعات، ويفصل بين "من" (العدد) و "أين" (الأسلوب)، ويعطي إجابة واثقة ودقيقة بغض النظر عن البيئة.

هذا النهج يجعل عد الحشود موثوقاً للتطبيقات الواقعية مثل إدارة المرور، وسلامة الفعاليات، والتخطيط العمراني، حتى في الأماكن التي لم يزرها الحاسوب من قبل.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "Granular Ball Guided Stable Latent Domain Discovery for Domain-General Crowd Counting" (اكتشاف النطاق الكامن المستقر الموجه بالكرات الحبيبية لعد الحشود العام للنطاق).

1. بيان المشكلة (Problem Statement)

تتناول الورقة مشكلة التعميم عبر النطاقات (Domain Generalization - DG) من مصدر واحد في مهمة عد الحشود.

التحدي: تفشل نماذج عد الحشود عادةً عند نشرها على نطاقات مستهدفة غير مرئية بسبب التحولات الكبيرة في التوزيع (مثل التغيرات في الكثافة، وزاوية الرؤية، والإضاءة، وتخطيط المشهد).
العقبة المحددة: تحاول طرق التعميم عبر النطاقات (DG) الحالية اكتشاف "النطاقات الكامنة" (النطاقات الزائفة) داخل مجموعة بيانات مصدر واحدة موسومة لتحسين المتانة. ومع ذلك، تعتمد الأساليب الحالية على التجميع المسطح لميزات مستوى العينة (flat clustering of sample-level features). وهذا الأمر غير مستقر للغاية لأن التمثيلات الميزية التي تتطور أثناء التدريب تكون عرضة للضوضاء، والقيم المتطرفة، وانجراف التمثيل، مما يؤدي إلى تعيينات غير موثوقة للنطاقات الزائفة.
الهدف: تطوير طريقة تكتشف باستقرار هياكل النطاقات الكامنة داخل مجموعة بيانات مصدر واحدة، وتتعلم تمثيلات منفصلة (تفصل بين دلالات العد وأساليب النطاق الخاصة) للتعميم على الأهداف غير المرئية دون الحاجة إلى تكيف (adaptation).

2. المنهجية (Methodology)

يتكون الإطار المقترح، "الاكتشاف المستقر للنطاق الكامن الموجه بالكرات الحبيبية"، من ثلاثة مكونات رئيسية:

أ. الاكتشاف المستقر للنطاق الكامن الموجه بالكرات الحبيبية

بدلاً من تجميع العينات الفردية مباشرة، تستخدم الطريقة حوسبة الكرة الحبيبية (Granular Ball Computing - GBC) لإنشاء عملية تجميع هرمية ومتينة:

استخراج الواصفات (Descriptor Extraction): يتم استخراج واصفات حساسة للنطاق من إحصائيات الميزات متعددة المستويات (المتوسط والانحراف المعياري) للشبكة الأساسية (backbone).
التقسيم الهرمي (Hierarchical Partitioning):
- يتم تقسيم العينات بشكل متكرر إلى كرات حبيبية مدمجة (وحدات هيكلية محلية) باستخدام خوارزمية (2-means) موزونة.
- يتم التحكم في عملية التقسيم بواسطة مقياس التراص (compactness metric)؛ حيث لا يتم قبول التقسيم إلا إذا قلل بشكل كبير من الانحراف الموزون للكرات الابنة مقارنة بالكرة الأم.
- يحول هذا العملية من تجميع غير مستقر على مستوى العينة إلى تجميع هرمي قائم على الممثلين (hierarchical representative-based clustering).
تعيين النطاق الزائف (Pseudo-Domain Assignment): تعمل مراكز الكرات الحبيبية النهائية كممثلين مستقرين. يتم تطبيق خوارزمية (K-means) القياسية على مراكز هذه الكرات (بدلاً من العينات الخام) لتوليد $K$ من النطاقات الزائفة.
محاذاة الملصقات (Label Alignment): لضمان الاتساق عبر دورات التدريب (epochs)، يتم محاذاة ملصقات النطاقات الزائفة المكتشفة حديثاً مع ملصقات الدورة السابقة باستخدام مطابقة هنجاريان (Hungarian matching).

ب. إطار التعلم ثنائي الفروع (Two-Branch Learning Framework)

بناءً على النطاقات الكامنة المكتشفة، يستخدم النموذج عموداً فقرياً مشتركاً مع فرعين متخصصين:

الفرع الدلالي (Semantic Branch - جوهر العد):
- يركز على دلالات الحشود الثابتة عبر النطاقات (domain-invariant).
- يستخدم آلية إعادة ترميز كتاب الرموز الدلالي (Semantic Codebook Re-encoding)؛ حيث يتم إسقاط الميزات وإعادة ترميزها عبر كتاب رموز قابل للتعلم باستخدام التعيين الناعم (soft assignment) لإنشاء تمثيل مدمج ومستقر لارتداد الكثافة (density regression).
- الخسارة ( $L_{sem}$ ): تفرض اتساق الواصفات الدلالية عبر مختلف النطاقات الزائفة.
فرع الأسلوب (Style Branch - التنظيم):
- يلتقط الاختلافات المظهرية الخاصة بالنطاق (الأسلوب).
- لا يساهم في التنبؤ بالكثافة ولكنه يوفر إشارات تنظيمية.
- الخسارة ( $L_{sty}$ ): تفرض تراص الأسلوب داخل النطاق الواحد (يجب أن يكون للعينات في نفس النطاق الزائف ميزات أسلوب متشابهة).
- الخسارة ( $L_{orth}$ ): تفرض التعامد (orthogonality) بين الميزات الدلالية وميزات الأسلوب لمنع تسرب المعلومات (الانفصال/disentanglement).

ج. هدف التدريب (Training Objective)

تجمع دالة الخسارة الإجمالية بين ارتداد الكثافة والمنظمات المقترحة:
$\mathcal{L} = \mathcal{L}_{den} + \lambda_{sem}\mathcal{L}_{sem} + \lambda_{sty}\mathcal{L}_{sty} + \lambda_{orth}\mathcal{L}_{orth}$
حيث أن $\mathcal{L}_{den}$ هي خسارة ارتداد خريطة الكثافة القياسية.

3. المساهمات الرئيسية (Key Contributions)

تحديد عدم الاستقرار: حدد المؤلفون أن التجميع المسطح المباشر على مستوى العينة هو عقبة أساسية في التعميم عبر النطاقات من مصدر واحد بسبب ضوضاء الميزات وانجرافها.
الاكتشاف الموجه بالكرات الحبيبية: اقترحوا استراتيجية مبتكرة تقوم بتجميع العينات في كرات حبيبية أولاً، ثم تجميع مراكز هذه الكرات. هذا النهج الهرمي يزيد من استقرار تعيينات النطاقات الزائفة ويتميز بالمتانة تجاه انجراف التمثيل.
تعلم التمثيل المنفصل (Disentangled Representation Learning): تم تطوير إطار عمل ثنائي الفروع يستخدم النطاقات الكامنة المكتشفة لفرض الاتساق الدلالي، وتراص الأسلوب، والتعامد بين الدلالة والأسلوب، مما يقلل بفعالية من تسرب النطاق.
اختيار المعلمات الفائقة القائم على البيانات: تم اقتراح قاعدة بسيطة ( $K \approx N^{1/4}$ ) لتحديد العدد الأمثل للنطاقات الزائفة تلقائياً بناءً على حجم مجموعة البيانات، مما يقلل الحاجة إلى ضبط واسع للمعلمات الفائقة.

4. النتائج التجريبية (Experimental Results)

تم تقييم الطريقة على معايير قياسية: ShanghaiTech (A/B), UCF QNRF, و NWPU-Crowd تحت بروتوكول صارم لعدم وجود تكيف (no-adaptation protocol).

الأداء: تفوقت الطريقة المقترحة باستمرار على النماذج المرجعية القوية (بما في ذلك DGCC و DMCount وطرق التكيف) عبر جميع إعدادات النقل عبر النطاقات.
- مثال (SHB $\to$ QNRF): تحسن متوسط الخطأ المطلق (MAE) من 179.1 (في DGCC) إلى 165.3.
- مثال (QNRF $\to$ SHA): حقق أفضل MAE بقيمة 64.1، متفوقاً بشكل كبير على أفضل النتائج السابقة.
- NWPU-Crowd: أظهر تحسينات متسقة في متوسط مربع الخطأ (MSE)، مما يشير إلى انخفاض في أخطاء العد القصوى (القيم المتطرفة) في المشاهد شديدة التباين.
دراسات الاستئصال (Ablation Studies):
- الكرات الحبيبية مقابل K-means: حققت استراتيجية الكرات الحبيبية قيم MAE/MSE أقل من (K-means) المباشر على مستوى العينة أو التجميع العشوائي، مما يثبت استقرار النهج الهرمي.
- فصل نظام الكثافة: نجحت طريقة الكرات الحبيبية في فصل النطاقات الزائفة بناءً على أنظمة كثافة الحشود (الخفيفة مقابل الكثيفة)، وهو أمر بالغ الأهمية للتنظيم الفعال.
- تحليل المكونات: أدى حذف إما "إعادة ترميز كتاب الرموز الدلالي" أو "تنظيم الفرع الهيكلي" (SBR) إلى انخفاض في الأداء، مما يؤكد ضرورة كل من التعزيز الدلالي وانفصال الأسلوب.

5. الأهمية (Significance)

المتانة تجاه تحول التوزيع: توفر الطة حلاً موثوقاً لنشر نماذج عد الحشود في سيناريوهات العالم الحقيقي حيث لا تتوفر بيانات مستهدفة أو تكون مقيدة بالخصوصية.
النمذجة الهيكلية: تقدم منظوراً جديداً للتعميم عبر النطاقات من خلال الانتقال من التجميع "المسطح" للعينات إلى النمذجة الهيكلية "الهرمية" باستخدام الكرات الحبيبية، وهي أكثر صموداً أمام الضوضاء المتأصلة في فضاءات الميزات للتعلم العميق.
الانفصال (Disentanglement): من خلال الفصل الصريح بين دلالات العد وأسالط النطاق باستخدام الهيكل الكامن المكتشف، يتعلم النموذج تمثيلات أكثر قابلية للنقل، مما يعالج قصوراً رئيسياً في أدبيات التعميم عبر النطاقات الحالية.
العملية: لا تتطلب الطريقة أي بيانات مستهدفة أثناء التدريب وتوفر طريقة منهجية لتحديد عدد النطاقات الكامنة، مما يجعلها قابلة للتطبيق بدرجة عالية في سيناريوهات النشر المتنوعة.