💻 computer science

CMCC-ReID: Cross-Modality Clothing-Change Person Re-Identification

تقدم هذه الورقة المهمة الجديدة المتمثلة في تحديد هوية الأشخاص عبر تغير الملابس والأنماط الحسية (CMCC-ReID)، وتقترح مجموعة بيانات SYSU-CMCC، وتقدم شبكة محاذاة الهوية التدريجية (PIA) المزودة بوحدات التعلم التفكيكي والنموذجي لمطابقة المشاة بفعالية عبر كل من تغير الأنماط الحسية وتغير الملابس.

المؤلفون الأصليون: Haoxuan Xu, Hanzi Wang, Guanglin Niu

نُشر 2026-04-07

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Haoxuan Xu, Hanzi Wang, Guanglin Niu

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 حارس أمن في مطار مزدحم. مهمتك هي العثور على شخص محدد يدعى "جون"، الذي قد يكون يسير عبر صالة المطار.

عادةً ما يكون العثور على شخص ما أمراً سهلاً إذا لم يغير ملابسه وكانت الإضاءة هي نفسها. ولكن في العالم الحقيقي، هناك أمران يجعلان هذا الأمر صعباً للغاية:

"تغيير الملابس": قد يدخل جون وهو يرتدي سترة حمراء في الصباح، ولكنه بحلول المساء يرتدي سترة زرقاء بقلنسوة (hoodie).
"تحول النمط" (Modality Shift): شمس الصباح مشرقة (ضوء مرئي)، ولكن في الليل، لا تملك سوى كاميرات حرارية ترى الحرارة (الأشعة تحت الحمراء). في الكاميرات الحرارية، تبدو الملابس ككتل ضبابية ومتوهجة، مما يجعل من الصعب التمييز بين سترة حمراء وأخرى زرقاء.

معظم الأنظمة الأمنية الحالية تشبه الحراس الذين تم تدريبهم للتعامل مع مشكلة واحدة فقط. فبعضها بارع في رصد الأشخاص في الظلام (لكنه يفترض أنهم لن يغيروا ملابسهم أبداً). والبعض الآخر بارع في رصد الأشخاص الذين يغيرون ملابسهم (لكنه يفترض أن الإضاءة ستكون مثالية دائماً).

المشكلة:

أدرك مؤلفو هذه الورقة البحثية أن في العالم الحقيقي، يحدث كلا المشكلتين في وقت واحد: الشخص يغير ملابسه بينما تغرب الشمس وتنتقل الكاميرا إلى الرؤية الليلية. الأنظمة الموجودة ترتبك وتفشل لأنها تحاول مطابقة "مظهر" الملابس، الذي يتغير، بدلاً من مطابقة "جوهر" الشخص، الذي يبقى ثابتاً.

الحل: CMCC-ReID ونظام "PIA"

قام الفريق بإنشاء تحدٍ جديد يسمى CMCC-ReID (التعرف على الهوية عبر الأنماط المختلفة وتغيير الملابس) وبنوا مجموعة بيانات جديدة (SYSU-CMCC) لاختباره. ولحل هذه المشكلة، ابتكروا نظام ذكاء اصطناعي ذكي يسمى PIA (شبكة محاذاة الهوية التدريجية).

إليك كيف يعمل نظام PIA، باستخدام تشبيه بسيط:

1. مرحلة "التطهير" (فك الارتباط ثنائي الفروع - Dual-Branch Disentanglement)

تخيل أنك تحاول التعرف على صديق، لكنه يرتدي أنف مهرج ضخم ولامع وشعراً مستعاراً.

الذكاء الاصطناعي القديم: يحاول حفظ شكل أنف المهرج والشعر المستعار. إذا نزع صديقك هذه الأشياء، سيقول الذكاء الاصطناعي: "أنا لا أعرفك!".
نهج PIA: لديه فلتر "تطهير" خاص. ينظر إلى الصورة ويقول: "حسناً، أنف المهرج وهذا الشعر المستعار مجرد ضجيج. دعونا نتجاهلهما". إنه يفصل بين "الصديق" (الهوية) وبين "الزي" (الملابس).
الخدعة: يقوم بذلك لكل من كاميرات النهار (الألوان) والليل (الحرارة). حتى في الصور الحرارية الضبابية في الظلام، يتعلم تجاهل "الملابس المتوهجة" والتركيز على شكل جسم الشخص ووجهه.

2. مرحلة "الجسر" (تعلم النموذج الأولي ثنائي الاتجاه - Bi-Directional Prototype Learning)

الآن بعد أن أصبح لدى الذكاء الاصطنيعي صورة واضحة لـ "من هو الشخص" (مع تجاهل الملابس)، فإنه يحتاج إلى ربط "نسخة النهار" من الشخص بـ "نسخة الليل".

تخيل أن لديك "صورة جنائية" للنهار و"خريطة حرارية" لليل. يبدوان مختلفين تماماً.
يقوم نظام PIA ببناء جسر بينهما. إنه ينشئ "ملفاً رئيسياً" (نموذجاً أولياً) لجون.
إنه يجبر "صورة النهار" و"صورة الليل" على أن تبدوا مثل ذلك "النموذج الرئيسي". الأمر يشبه قولك لكاميرا النهار وكاميرا الليل: "توقفا عن الجدال حول لون السترة. فقط اتفقا على هوية الشخص".

3. الاستراتيجية "التدريجية"

هذا هو السر وراء نجاح النظام. PIA لا يحاول القيام بكل شيء دفعة واحدة.

الخطوة 1: أولاً، يتعلم تجاهل الملابس تماماً (لا تقلق بشأن نوع الكاميرا بعد).
الخطوة 2: بمجرد أن يعرف من هو الشخص بغض النظر عن ملابسه، ثم يتعلم كيفية مطابقة كاميرا النهار مع كاميرا الليل.
لماذا؟ إذا حاولت مطابقة الكاميرات أولاً، سيرتبك الذكاء الاصطنا_ي بسبب الملابس ويتعلم أشياء خاطئة. من خلال تنظيف مشكلة "الملابس" أولاً، تصبح مشكلة "الكاميرا" أسهل بكثير في الحل.

النتائج

اختبر الفريق هذا النظام على مجموعة البيانات الجديدة الخاصة بهم.

النتيجة: سحق نظام PIA جميع الطرق السابقة. كان الأمر يشبه الترقية من حارس يخمن بناءً على قبعة، إلى جاسوس خارق يتعرف على مشية الشخص وبنيته العظمية، بغض النظر عما يرتديه أو في أي وقت من اليوم.
الدليل البصري: عندما نظروا إلى "خرائط الانتباه" الخاصة بالذكاء الاصطناعي (المكان الذي ينظر إليه الذكاء الاصطناعي)، كانت الأنظمة القديمة تنظر إلى الملابس. أما نظام PIA فكان ينظر إلى الوجه والجسم، متجاهلاً الزي تماماً.

باختصار

تتعلق هذه الورقة البحثية بتعليم الحواسيب التعرف على الأشخاص من خلال جوهرهم، وليس من خلال زيّهم أو ظروف الإضاءة. من خلال تقسيم المشكلة إلى خطوتين — أولاً تجاهل الملابس، ثم مطابقة الكاميرات — أنشأوا نظاماً يعمل بشكل أفضل بكثير في أنظمة الأمن الواقعية، حيث يغير الناس ملابسهم وتغرب الشمس.

إليك ملخص تقني مفصل لورقة البحث بعنوان "CMCC-ReID: Cross-Modality Clothing-Change Person Re-Identification".

1. تعريف المشكلة

تعالج هذه الورقة فجوة حرجة في أبحاث تحديد هوية الأشخاص (Person Re-Identification - ReID): وهي الحدوث المتزامن لـ تفاوت الأنماط/الوسائط (على سبيل المثال، المرئي مقابل الأشعة تحت الحمراء) و تغير الملابس في سيناريوهات المراقبة طويلة الأمد.

القيود الحالية: عادة ما تعزل الأبحاث الحالية هذه التحديات في مهمتين منفصلتين:
- VI-ReID (المرئي-الأشعة تحت الحمراء): تفترض بقاء الملابس ثابتة مع تغير النمط/الوسيط.
- CC-ReID (تغير الملابس): تفترض بقاء الإضاءة/النمط ثابتاً مع تغير الملابس.
التحدي في العالم الحقيقي: في الواقع، تجتمع هذه العوامل معاً. فقد يغير المشاة ملابسهم بمرور الوقت (تغير الملابس) ويتم التقاطهم بواسطة كاميرات نهارية (مرئية) وكاميرات ليلية (أشعة تحت حمراء) (تفاوت الأنماط).
الصعوبات المحددة في CMCC-ReID:
1. تدهور المعلومات في الأشعة تحت الحمراء: تتميز صور الأشعة تحت الحمراء بتباين منخفض، مما يجعل من الصعب التمييز بين الملابس والجسم. وتفشل طرق "تجاهل الملابس" (clothing-agnostic) الموجودة (المصممة للصور المرئية عالية التباين) هنا، لأن آليات الانتباه غالباً ما تتحول نحو مناطق الملابس بسبب نقص إشارات النسيج (texture).
2. التداخل أثناء المحاذاة: تؤدي عملية محاذاة الأنماط البدائية دون كبح تداخل الملابس إلى جعل النموذج يقوم بمحاذاة "سمات الملابس" بدلاً من "سمات الهوية"، مما يسبب تدهوراً في الأداء.

2. المنهجية: شبكة محاذاة الهوية التدريجية (PIA)

يقترح المؤلفون إطار عمل PIA، وهو مصمم للتخفيف التدريجي من تغير الملابس وتفاوت الأنماط من خلال نموذج تعلم ثنائي المراحل.

أ. تعلم فك الارتباط ثنائي الفروع (DBDL)

الهدف: استخراج سمات متسقة مع الهوية مع كبح الضوضاء المتعلقة بالملابس في كل من الأنماط المرئية وتحت الحمراء.
الآلية:
- بنية ثنائية الفروع: ينقسم الشبكة إلى فرع الهوية و فرع الملابس.
- الانتباه المكاني: تولد آلية انتباه مكاني خفيفة الوزن قناعاً للملابس ( $m_c$ ).
- الكبح السلس: بدلاً من الاستبعاد القاطع، يقوم معامل قابل للتعلم $\lambda$ بإنشاء قناع للهوية ( $m_{id} = 1 - \lambda \cdot m_c$ ). يسمح هذا للنموذج بكبح مناطق الملابس مع الاحتفاظ بإشارات الهوية الدقيقة التي قد توجد داخل تلك المناطق.
- قيد التعامد: يتم تطبيق فقدان تعامد ( $\mathcal{L}_{orth}$ ) لضمان عدم ارتباط الفضاءات الفرعية لسمات الهوية والملابس، مما يمنع تسرب المعلومات بينهما.

ب. تعلم النموذج الأولي ثنائي الاتجاه (BPL)

الهدف: محاذاة تمثيلات الهوية عبر الأنماط مع تحسين الاتساق داخل النمط الواحد بشكل أكبر.
الآلية:
- الحفاظ على النموذج الأولي: يحافظ النموذج على نماذج أولية خاصة بكل نمط ( $P^V$ للمرئي و $P^I$ للأشعة تحت الحمراء) يتم تحديثها عبر استراتيجية الزخم (momentum) لاستقرار التعلم.
- التباين داخل النمط الواحد: تقريب العينات من النموذج الأولي للهوية الخاص بنمطها الخاص ودفعها بعيداً عن النماذج الأخرى، مما يعالج اختلافات الوضعية والإضاءة ضمن نمط واحد.
- التباين بين الأنماط: محاذاة عينة مرئية مباشرة مع النموذج الأولي للأشعة تحت الحمراء لنفس الهوية (والعكس)، مما يسد الفجوة بين الأنماط باستخدام سمات نقية وخالية من تأثير الملابس.

ج. استراتيجية التعلم التدريجي

ينقسم التدريب إلى مرحلتين لمنع النموذج من تعلم تمثيلات منحازة:

المرحلة الأولى: تحسين وحدة DBDL فقط. الهدف هو "تنقية" السمات عبر تعلم تمثيلات غير مرتبطة بالملابس قبل حدوث أي محاذاة بين الأنماط.
المرحلة الثانية: تحسين DBDL و BPL معاً. بمجرد فك ارتباط السمات، يقوم النموذج بمحاذاتها عبر الأنماط باستخدام خسائر تعلم النموذج الأولي.

3. المساهمات الرئيسية

تعريف مهمة جديدة: تقديم CMCC-ReID (تحديد هوية الأشخاص مع تغير الملابس وتغير النمط)، وهي مهمة واقعية تتطلب التعامل المشترك مع تحولات النمط وتغير الملابس.
معيار جديد (SYSU-CMCC): بناء مجموعة بيانات جديدة عبر دمج PRCC و SYSU-MM01. تحتوي على 214 هوية و 18,375 صورة، حيث يتم التقاط كل هوية في كل من المجال المرئي ومجال الأشعة تحت الحمراء بملابس مختلفة.
بنية مبتكرة (PIA): اقتراح شبكة تدريجية تقوم أولاً بفك ارتباط السمات (DBDL) ثم محاذاتها (BPL)، مما يحل مشكلة فشل المحاذاة القياسية تحت تأثير تغير الملابس.
التحقق الشامل: إثبات أن طرق VI-ReID و CC-ReID الحالية تفشل في هذا الإعداد، بينما تضع PIA حجر أساس قوياً.

4. النتائج التجريبية

أُجريت التجارب على مجموعة بيانات SYSU-CMCC باستخدام دقة Rank-1 ومتوسط الدقة المتوسطة (mAP).

الأداء: تفوقت PIA بشكل كبير على جميع طرق VI-ReID و CC-ReID الرائدة.
- من المرئي إلى الأشعة تحت الحمراء (V2I): حققت 57.0% Rank-1 و 46.5% mAP (مقابل ~23% Rank-1 لأفضل نموذج أساسي لـ VI-ReID).
- من الأشعة تحت الحمراء إلى المرئي (I2V): حققت 50.4% Rank-1 و 50.3% mAP.
دراسات الاستئصال (Ablation Studies):
- أدى إزالة استراتيجية التعلم التدريجي (تدريب DBDL و BPL في وقت واحد) إلى انخفاض هائل في الأداء (~10% في Rank-1)، مما يؤكد ضرورة النهج ثنائي المراحل.
- وفرت وحدة DBDL وحدها مكاسب كبيرة من خلال كبح ضوضاء الملابس.
- كان فقدان النموذج الأولي بين الأنماط (Inter-modality Prototype Loss) حاسماً لسد الفجوة بين الأنماط.
التحليل البصري: تُظهر خرائط الانتباه أن PIA تركز بنجاح على أجزاء الجسم (الرأس، الجذع) وتكبح مناطق الملابس، بينما تميل النماذج الأساسية غالباً إلى الاهتمام بأنماط الملابس، خاصة في صور الأشعة تحت الحمراء منخفضة التباين.

5. الأهمية

تكمن أهمية هذه الورقة في نقل أبحاث ReID من المعايير المثالية والمسيطر عليها إلى سيناريوهات مراقبة أكثر واقعية وتعقيداً.

الأثر العملي: تعالج مشكلة "المراقبة طويلة الأمد" حيث تعمل الكاميرات على مدار الساعة (تتطلب VI-ReID) ويتغير الأشخاص ملابسهم عبر الأيام/الأسابيع (تتطلب CC-ReID).
الرؤية المنهجية: تثبت أن فك الارتباط يجب أن يسبق المحاذاة. إن محاولة محاذاة السمات قبل إزالة انحياز الملابس تؤدي بالنموذج إلى تعلم الإشارات الدلالية الخاطئة.
الاتجاه المستقبلي: توفر مجموعة بيانات SYSU-CMCC وإطار عمل PIA أساساً لتطوير أنظمة مراقبة قوية في العالم الحقيقي قادرة على تتبع الأفراد عبر الزمن وأنواع المستشعرات المختلفة.