💻 computer science

Bag of Bags: Adaptive Visual Vocabularies for Genizah Join Image Retrieval

تقدم هذه الورقة طريقة "حقيبة الحقائب" (BoB)، وهي طريقة مفردات بصرية تكيفية تستبدل كتب الرموز العالمية بمفردات محلية خاصة بكل جزء لتحسين استرجاع قصاصات مخطوطات جنيزا القاهرة بشكل كبير، وذلك من خلال تحقيق زيادة نسبية قدرها 6.1% في دقة النتائج الأولى (top-1) مقارنة بالنماذج المرجعية المتطورة لأسلوب "حقيبة الكلمات".

المؤلفون الأصليون: Sharva Gogawale, Gal Grudka, Daria Vasyutinsky-Shapira, Omer Ventura, Berat Kurar-Barakat, Nachum Dershowitz

نُشر 2026-04-10

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Sharva Gogawale, Gal Grudka, Daria Vasyutinsky-Shapira, Omer Ventura, Berat Kurar-Barakat, Nachum Dershowitz

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 محقق يحاول حل لغز ضخم يمتد لقرون مضت. القطع ليست من الورق المقوى؛ بل هي شظايا قديمة، ممزقة، وملطخة من مخطوطات مكتوبة بخط اليد من "جنيزة القاهرة" (وهي مخزن تاريخي للنصوص اليهودية).

مهمتك هي استرجاع وصل المخطوطات: تلتقط قطعة واحدة من الورق الممزق وتسأل: "أي قطع أخرى في مكتبات العالم جاءت في الأصل من نفس الكتاب؟"

هذا الأمر صعب للغاية لأن:

القطع تالفة: بعضها يفتقد الزوايا، وبعضها باهت، وبعضها مجرد بقع.
الخط دقيق للغاية: قد تبدو قطعتان متشابهتين لأن كلتيهما قديمتان ومصفرتان، لكنهما كُتبتا بواسطة أشخاص مختلفين. وعلى العكس من ذلك، قد تبدو قطعتان من نفس الكتاب مختلفتين لأن إحداهما كُتبت في ضوء ساطع والأخرى في الظلام، أو لأن الحبر بهت بشكل مختلف.

الطريقة القديمة: "القاموس العالمي" (حقيبة الكلمات - Bag of Words)

لفترة طويلة، حاول علماء الكمبيوتر حل هذا باستخدام طريقة تسمى حقيبة الكلمات (BoW).

التشبيه: تخيل أن كل شظية مخطوطة هي حقيبة من الرخام. في الطريقة القديمة، يتفق الجميع على قاموس عالمي واحد ضخم لألوان الرخام (مثل: "أحمر"، "أزرق"، "أخضر"، "منقط").

تفرغ الرخام الخاص بشظيتك في الحقيبة.
تحسب عدد الرخامات "الحمراء" التي لديك، و"الزرقاء"، وما إلى ذلك.
تقارن عدّك بجميع الآخرين.

المشكلة: هذه الطريقة سطحية للغاية.

إذا كان لدى شظيتين نفس عدد الرخامات "الحمر"، سيعتقد الكمبيوتر أنهما متطابقتان. لكن ربما كانت الرخامات الحمراء في إحدى الشظيتين مرتبة في دائرة مثالية، بينما في الأخرى كانت مبعثرة عشوائياً. النمط هو المهم، وليس مجرد العدد.
إذا كانت الشظية تالفة وتفتقد بعض رخاماتها "الزرقاء"، فقد يعتقد الكمبيوتر أنها كتاب مختلف تماماً، حتى لو كانت الرخامات "الحمراء" المتبقية تتطابق تماماً.
إنها تجبر كل مخطوطة فريدة وفوضوية على التناسب مع نفس الصندوق الجامد، مما يؤدي لفقدان "البصمة" الخاصة بالكاتب.

الطريقة الجديدة: "حقيبة الحقائب" (Bag of Bags - BoB)

يقترح مؤلفو هذه الورقة نهجاً أكثر ذكاءً ومرونة يسمى حقيبة الحقائب (BoB).

التشبيه: بدلاً من استخدام قاموس عالمي واحد للجميع، تحصل كل شظية على قاموسها الخاص والمخصص.

إليك كيف يعمل النظام، خطوة بختوة:

المجهر (المكونات المتصلة): أولاً، يقوم الكمبيوتر بتكبير الشظية ويستخرج كل حرف أو بقعة حبر يمكنه العثر عليها. اعتبر هذه بمثبات "رقعات الحروف" الفردية.
المترجم (المشفّر التلقائي المتناثر - Sparse Autoencoder): ينظر الكمبيوتر إلى كل رقعة ويترجمها إلى "بصمة" رياضية (embedding). الأمر يشبه تحويل حرف مكتوب بخط اليد إلى رمز فريد يلتقط شكله، وميله، وملمسه.
القاموس المخصص (المفردات المحلية): هذه هي الخطوة السحرية. بدلاً من إجبار هذه البصمات على الدخول في قائمة عالمية، ينظر الكمبيوتر إلى هذه الصفحة تحديداً ويجمع البصمات المتشابهة معاً.
- مثال: في هذه الصفحة تحديداً، قد يجد أن الكاتب لديه طريقة فريدة في كتابة حرف "A" بحيث يبدو مثل المثلث، وطريقة أخرى ليبدو مثل الدائرة.
- يقوم بإنشاء قاموس مصغر لهذه الصفحة فقط: "A المثلثية" و"A الدائرية".
- كما يحسب عدد كل منها (الكتلة).
الخاطبة (مسافة المجموعة إلى المجموعة - Set-to-Set Distance): الآن، لرؤية ما إذا كانت قطعتان تنتميان لبعضهما، لا يقارن الكمبيوتر الأعداد فحسب، بل يقارن القاموسات المخصصة.
- يتساءل: "هل 'A المثلثية' في الشظية (أ) تطابق 'A المثلثية' في الشظية (ب)؟"
- يستخدم خدعة رياضية ذكية تسمى مسافة تشامفر (Chamfer Distance). فكر فيها كأنها لعبة "أقرب مطابقة". إذا كانت الشظية (أ) تحتوي على "A مثلثية" والشظية (ب) تحتوي على "A مثلثية"، فإنهما يحصلان على نقطة. إذا كانت الشظية (أ) تحتوي على "A دائرية" ولكن الشظية (ب) تفتقدها (بسبب التمزق)، فإن الكمبيوتر لن يعاقبهما بشدة. سيقول فقط: "حسناً، لقد وجدنا مطابقة للمثلث، وهذا جيد بما يكفي".

لماذا هذه الطريقة أفضل؟

إنها تتعامل مع التلف: إذا كانت قطعة ممزقة وتفتقد نصف حروفها، فإن الطريقة القديمة تصاب بالذعر. أما الطريقة الجديدة فتقول: "لا مشكلة، لا نزال نملك الحروف التي لدينا، وهي تتطابق تماماً".
إنها تلتقط "أسلوب اليد": إنها تركز على الأسلوب المحدد للكاتب في تلك الصفحة تحديداً، بدلاً من مجرد السمات العامة المشتركة بين جميع الأوراق القديمة.
إنها فعالة: بنى المؤلفون نظاماً من مرحلتين. أولاً، يقوم بمسح سريع للمكتبة بأكمله باستخدام "الطريقة القديمة" لإيجح قائمة قصيرة تضم 30 مرشحاً. ثم يستخدم طريقة "حقيبة الحقائب" الأكثر ذكاءً لترتيب هؤلاء الثلاثين واختيار الفائز. هذا يجعلها سريعة بما يكفي لاستخدامها على المجموعات الضخمة.

النتائج

عندما اختبروا هذا على شظايا جنيزة القاهرة:

الطريقة القديمة (BoW) أعطت الإجابة الصحيحة حوالي 74% من الوقت.
الطريقة الجديدة (BoB-Chamfer) أعطت الإجابة الصحيحة بنسبة 78.4%.

قد يبدو هذا الرقم صغيراً، ولكن في عالم المخطوطات القديمة، حيث كل قطعة فريدة وتالفة، يعد هذا قفزة هائلة للأمام. هذا يعني أن العلماء يمكنهم الآن إعادة ربط الشظايا التي انفصلت لقرون، مما يساعد في إعادة بناء التاريخ المفقود بسرعة أكبر بكثير مما يمكن للخبراء البشريين القيام به بمفردهم.

باخت-الاختصار: بدلاً من إجبار كل صفحة قديمة على التحدث بنفس اللغة، تتعلم طريقة "حقيبة الحقائب" اللهجة الفريدة لكل صفحة، ثم تجد الصفحات الأخرى التي تتحدث نفس اللهجة.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "حقيبة الحقائب: المفردات البصرية التكيفية لاسترجاع وصلات جنيزة" (Bag of Bags: Adaptive Visual Vocabularies for Genizah Join Image Retrieval).

١. بيان المشكلة

تتناول الورقة تحدي استرجاع الوصلات في المخطوطات (manuscript join retrieval) في سياق جنيزة القاهرة، وهي مجموعة ضخمة من المخطوطات المجزأة من العصور الوسطى (القرن الحادي عشر - التاسع عشر) المنتشرة في مكتبات عالمية.

الهدف: بالنظر إلى صورة استعلام لقطعة من مخطوطة، يجب على النظام استرجاع القطع الأخرى التي نشأت من نفس المخطوطة الفيزيائية (الوصلة).
التحدي:
- التجزؤ: غالبًا ما تكون القطع تالفة، أو غير مكتملة، أو ملطخة، أو مبتورة.
- الإشارات الدقيقة: تشترك القطع من نفس المخطوطة في أنماط خط يد محددة، بينما قد تبدو القطع من مخطوطات مختلفة متشابهة عالميًا بسبب تشابه التقادم، أو ملمس الخلفية، أو التدهور.
- قصور الطرق القياسية: تعتمد مناهج "حقيبة الكلمات" (Bag of Words - BoW) التقليدية على رسم جميع الصور ضمن كتاب رموز بصري عالمي واحد. هذا التكميم العالمي يمحو إشارات نمط الخط اليدوي الخاصة بكل صورة. فالقطعتان اللتان تمتلكان نفس تردد الكلمات ولكن بتوزيعات هندسية مختلفة للحروف تُعاملان كأنهما متطابقتان (المسافة صفر)، بينما القطع من نفس المخطوطة التي تختلف في الإضاءة أو التنسيق قد تُعامل كأنها متباينة.

٢. المنهجية: حقيبة الحقائب (BoB)

يقترح المؤلفون "حقيبة الحقائب" (Bag of Bags - BoB)، وهي تمثيل مبتكر على مستوى الصورة يستبدل كتاب الرموز العالمي بـ مفردات خاصة بكل صفحة من الكلمات البصرية المحلية.

أ. نظرة عامة على مسار العمل

استخراج الرقع المرتكزة على الحروف (Character-Anchored Patch Extraction):
- يتم تحويل الصور إلى صور ثنائية (Otsu thresholding).
- يقوم تحليل المكونات المتصلة (Connected Component Analysis) بعزل حالات الحروف الفردية.
- التصفية: يتم تصفية المكونات حسب المساحة (300-3000 بكسل) لإزالة الضوضاء والكتل الكبيرة المندمجة.
- التطبيع (Normalization): يتم تغيير حجم المكونات إلى رقعة 64×64 مع الحفاظ على نسبة العرض إلى الارتفاع (باستخدام الحشو الصفري)، مما يضمن السلامة الهندسية لأشكال الحروف العبرية.
المشفر التلقائي الالتفافي المتناثر (Sparse Convolutional Autoencoder):
- يقوم مشفر تلقائي متناثر ( $f_\theta$ ) بترميز الرقع المطبعة إلى فضاء كامن ذي 128 بُعدًا.
- هدف التدريب: تقليل متوسط الخطأ التربيعي (إعادة البناء) + عقوبة التناثر من نوع $L_1$ (حيث $\lambda = 10^{-5}$ ). وهذا يجبر الشبكة على تعلم ميزات متناثرة وتمييزية لضربات الحروف.
بناء مفردات متكيفة مع الصفحة:
- بدلاً من رسم جميع الرقع في قاموس عالمي، تقوم BoB بإجراء تجميع (K-means clustering) لكل صفحة على مجموعة التضمينات المستخرجة من تلك القطعة المحددة.
- ينتج عن ذلك "حقيبة" من النماذج الأولية المحلية (المراكز/centroids) وكتلها المقابلة (تجمعات العناصر) الفريدة لتلك القطعة.
- التمثيل: $B(I) = \{(\mu_a, \pi_a)\}_{a=1}^K$ ، حيث $\mu_a$ هو النموذج الأولي و $\pi_a$ هي الكتلة.

ب. مقاييس المسافة (المطابقة من مجموعة إلى مجموعة)

يتم حساب التشابه بين قطعتين من خلال المسافة بين مفرداتهما المحلية:

BoB-Chamfer (المطابقة الناعمة):
- يحسب مجموع مسافات أقرب جار في كلا الاتجاهين.
- الميزة: لا يفرض مطابقة صارمة واحد لواحد. إنه يكافئ التداخل الجزئي، وهو أمر بالغ الأهمية للقطع التالفة حيث قد يتواجد جزء فقط من أنماط الحروف في كلتا القطعتين.
- الأداء: هو المقياس الأقوى تجريبيًا.
BoB-Hungarian (التعيين الصارم):
- يفرض تعيينًا ثنائيًا صارمًا واحد لواحد باستخدام خوارزمية هنجاريان (Hungarian algorithm).
- يستوفي خصائص المترية (متراجحة المثلث) ولكنه أقل مرونة تجاه التلف الجزئي.
BoB-OT (النقل الأمثل الموزون بالكتلة):
- يدمج أوزان تجمعات السكان ( $\pi$ ) في خطة النقل.
- الضمان النظري: يثبت المؤلفون أن الانحراف بين BoB-OT والنقل الأمثل الكامل على مستوى المكونات محدود بمجموع أخطاء تكميم K-means (أي $\epsilon_I + \epsilon_J$ ). وهذا يوفر ضمانًا تقريبيًا رسميًا.

ج. مسار الاسترجاع ذو المرحلتين

للتعامل مع المجموعات واسعة النطاق حيث يكون حساب مصفوفة مسافة $N \times N$ لـ BoB مكلفًا:

المرحلة الأولى (توليد المرشحين): استخدام خط أساس سريع BoW-Cosine لاسترجاع قائمة قصيرة (مثل أفضل 30 مرشحًا).
المرحلة الثانية (إعادة التصنيف): تطبيق BoB-OT الأكثر استهلاكًا للحوسبة فقط على القائمة القصيرة.

التعقيد: يقلل التكلفة عبر الإنترنت إلى $O(M \cdot K^3)$ ، بشكل مستقل عن إجمالي حجم المعرض $N$ .

٣. المساهمات الرئيسية

تمثيل حقيبة الحقائب (BoB): تحول من التكميم العالمي إلى المفردات المحلية المتكيفة مع الصفحة، مما يحافظ على أنماط الخط اليدوي المحددة التي تفقدها كتب الرموز العالمية.
مقاييس مسافة قوية: تقديم وتقييم مسافات Chamfer وHungarian وBoB-OT للمطابقة من مجموعة إلى مجموعة، مما يثبت أن المطابقة الناعمة لأقرب جار (Chamfer) هي الأفضل للوثائق التالفة جزئيًا.
الضمان النظري: إثبات رسمي يحدد خطأ التقريب لنسخة BoB-OT الموزونة بالكتلة بالنسبة للنقل الأمثل الكامل على مستوى المكونات.
قابلية التوسع بكفاءة: مسار ذو مرحلتين يوازن بين دقة الاسترجاء العالية والجدوى الحسابية للأرشيفات الضخمة.
تحليل الاستئصال الشامل: تحليل مفصل يوضح أن المكاسب تأتي من بنية المفردات التكيفية (التجميع + مطابقة المجموعات) وليس فقط من جودة المشفر.

٤. النتائج

تم التقييم على معيار مكون من 287 قطعة من جنيزة القاهرة (100 مجموعة وصل):

الأداء:
- حققت BoB-Chamfer نتائج Hit@1 = 0.784 و MRR = 0.841.
- تفوق هذا على أقوى خط أساس، BoW-RawPatches- $\chi^2$ (الذي حقق Hit@1 = 0.739 و MRR = 0.800)، مما يمثل تحسنًا نسبيًا بنسبة 6.1% في دقة Top-1.
- تفوقت BoB بشكل كبير على نماذج التجميع (MeanPool/MaxPool) ومتغيرات كتاب الرموز العالمية (BoW-centroids)، مما يثبت قيمة التجميع الخاص بالصفحة.
رؤى الاستئصال (Ablation):
- حجم المفردات ( $K$ ): بلغ الأداء ذروته عند $K=32$ (رغم استخدام $K=20$ للنتائج الرئيسية لموازنة التكلفة).
- التناثر: أدى تفعيل التناثر $L_1$ في المشفر التلقائي إلى تحسين جميع المقاييس.
- التطبيع: كان الحفاظ على نسب العرض إلى الارتفاع أثناء استخراج الرقع أمرًا حاسمًا؛ حيث أدى تغيير الحجم المتماثل (Isotropic resizing) إلى تدهور الأداء.
التكلفة الحسابية:
- البحث المسبق لـ BoB يكاد يكون مجانيًا (<0.01 مللي ثانية).
- المسار ذو المرحلتين (BoW $\to$ BoB-OT) يكلف حوالي 11 مللي ثانية لكل استعلام ويتوسع بشكل مستقل عن حجم المعرض.

٥. الأهمية

التحليل الباليوجرافي (علم الخطوط القديمة): يوضح هذا العمل أنه بالنسبة لاسترجاع الوثائق التاريخية، فإن نمذجة كيف تنظم الصفحة أنماطها البصرية المحلية أكثر فعالية من فرض مفردات مشتركة واحدة على جميع الصفحات.
التعامل مع التلف: نهج "حقيبة الحقائب"، وخاصة مسافة Chamfer، مناسب بشكل فريد لطبيعة التداخل الجزئي في المخطوطات التالفة، حيث تفشل المطابقة الصارمة واحد لواحد.
القابلية للتطبيق الأوسع: تمتد هذه المنهجية إلى ما وراء استرجاع الجنيزة لتشمل أي مهمة رؤية حاسوبية تتضمن التعرف الدقيق حيث تكون الحالات متشابهة عالميًا ولكنها تختلف في سمات بصرية محلية أو جزئية دقيقة (مثل العينات البيولوجية أو عيوب المواد).
النشر العملي: يقدم المسار المقترح ذو المرحلتين مسارًا قابلًا للتطبيق لتطبيق طرق استرجاع التعلم العميق المتقدمة على الأرشيفات التاريخية الضخمة وغير المنظمة (أكثر من 250 ألف قطعة) دون تكاليف حوسبية باهظة.