💻 computer science

The Second Challenge on Real-World Face Restoration at NTIRE 2026: Methods and Results

تستعرض هذه الورقة تحدي NTIRE 2026 الخاص بترميم الوجوه في العالم الحقيقي، حيث تفصل الأساليب والنتائج لـ 10 فرق مشاركة هدفت إلى توليد مخرجات طبيعية ومتسقة مع الهوية مع تعزيز جودة الإدراك المتقدمة.

المؤلفون الأصليون: Jingkai Wang, Jue Gong, Zheng Chen, Kai Liu, Jiatong Li, Yulun Zhang, Radu Timofte, Jiachen Tu, Yaokun Shi, Guoyi Xu, Yaoxin Jiang, Jiajia Liu, Yingsi Chen, Yijiao Liu, Hui Li, Yu Wang, Congchao Zhu

نُشر 2026-04-15

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Jingkai Wang, Jue Gong, Zheng Chen, Kai Liu, Jiatong Li, Yulun Zhang, Radu Timofte, Jiachen Tu, Yaokun Shi, Guoyi Xu, Yaoxin Jiang, Jiajia Liu, Yingsi Chen, Yijiao Liu, Hui Li, Yu Wang, Congchao Zhu, Alexandru-Gabriel Lefterache, Anamaria Radoi, Chuanyue Yan, Tao Lu, Yanduo Zhang, Kanghui Zhao, Jiaming Wang, Yuqi Li, WenBo Xiong, Yifei Chen, Xian Hu, Wei Deng, Daiguo Zhou, Sujith Roy V, Claudia Jesuraj, Vikas B, Spoorthi LC, Nikhil Akalwadi, Ramesh Ashok Tabib, Uma Mudenagudi, Yuxuan Jiang, Chengxi Zeng, Tianhao Peng, Fan Zhang, David Bull Wei Zhou, Linfeng Li, Hongyu Huang, Hoyoung Lee, SangYun Oh, ChangYoung Jeong, Axi Niu, Jinyang Zhang, Zhenguo Wu, Senyan Qing, Jinqiu Sun, Yanning Zhang

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 أن لديك صورة قديمة جدًا، ضبابية ومخدوشة لـ مشهورك المفضل أو لأحد أفراد عائلتك. تريد إصلاحها، ولكن هناك شرط: لا تريد مجرد صورة واضحة فحسب؛ بل تريدها أن تبدو كصورة جديدة تمامًا وعالية الدقة التُقطت اليوم، و يجب أن تظل تشبه ذلك الشخص تمامًا. إذا جعل الإصلاح الشخص يبدو كشخص آخر، فإن المهمة تعتبر فاشلة.

هذه الورقة هي "بطاقة تقرير" لمسابقة عالمية ضخمة تسمى NTIRE 2026، حيث حاول أذكى علماء الكمبيوتر في العالم حل هذه المشكلة بالضبط: ترميم الوجوه في العالم الحقيقي (Real-World Face Restoration).

إليك قصة كيف فعلوا ذلك، مشروحة ببساطة.

🏆 المسابقة الكبرى

فكر في هذا الأمر كأنه دورة الألعاب الأولمبية لإصلاح الصور بواسطة الذكاء الاصطناي.

الهدف: تحويل صورة وجه سيئة ومنخفضة الجودة إلى تحفة فنية مذهلة وواقعية.
القواعد: لا يمكن للذكاء الاصطناعي أن يخمن تفاصيل عشوائية (مثل إعطاء شخص أنفًا مختلفًا). يجب أن يحافظ على هوية الشخص بنسبة 100%.
اللاعبون: سجل 96 فريقًا، لكن 10 فرق فقط وصلت إلى الجولة النهائية. 9 منهم اجتازوا بالفعل "فحص الهوية" الصارم.

🧠 كيف "يفكر" الذكاء الاصطناعي

في الماضي، كان إصلاح وجه ضبابي يشبه محاولة رسم بورتريه باستخدام بعض النقاط الضبابية فقط. كان من الصعب ضبط التفاصيل بشكل صحيح.

في عام 2026، غير الفائزون قواعد اللعبة. بدلاً من محاولة "إصلاح" البكسلات واحدة تلو الأخرى، استخدموا "حالمي" الذكاء الاصطناي (يُطلق عليهم نماذج الانتشار - Diffusion Models).

التشبيه: تخيل أن لديك نافذة متسخة بالطين. الطرق القديمة حاولت مسح الطين بقطعة قماش. الطرق الجديدة تشبه ساحرًا ينظر إلى الطين، ويتذكر كيف يجب أن تبدو النافذة النظيفة بناءً على ملايين النوافاء الأخرى التي رآها، ويقوم أساسًا بـ "إعادة تخيل" الزجاج النظيف فوق الطين مباشرة.

🏅 الفائزون وأسلحتهم السرية

إليك كيف تناول أفضل الفرق التحدي، باستخدام استعارات بسيطة:

1. 🥇 MiPlusCV (الطاهي ذو الخطوتين)

المركز: المركز الأول
الاستراتيجية: لم يحاولوا طهي الوجبة كاملة دفعة واحدة.
- الخطوة 1: استخدموا أداة تسمى OSDFace للقيام بالعمل الشاق — إزالة الضباب الكبير وضبط الشكل الأساسي للوجه.
- الخطوة 2: استخدموا ذكاءً اصطناعيًا فائق السرعة "بخطوة واحدة" (يعتمد على Z-Image) لإضافة التزيين اللذيذ: ملمس الجلد، المسام، والتفاصيل الصغيرة.
لماذا فازوا: أدركوا أن ضبط الهيكل أولاً، ثم إضافة "التفاصيل الفاخرة" لاحقًا، ينتج نتائج أكثر طبيعية.

2. 🥈 CEVI-KLETech (الجراح)

المركز: المركز الثاني
الاستراتيجية: عاملوا الوجه كجسد يحتوي على أعضاء مختلفة.
السر: أدركوا أن البشرة تحتاج إلى نوع مختلف من "الإصلاح" مقارنة بالعينين أو الشعر. استخدموا أداة خاصة (Wavelets) لتقسيم الصورة إلى طبقات. حافظوا على "الهيكل العظمي" (التردد المنخفض) كما هو لحماية الهوية، لكنهم أضافوا جراحيًا تفاصيل عالية التردد فقط لمناطق الجلد والشعر.
لماذا فازوا: الدقة. لم يقوموا بإصلاح الوجه بالكامل بشكل مبالغ فيه؛ بل أصلحوا ما يحتاج إلى إصلاح بالضبط.

3. 🥉 HONORAICamera (السريع)

المركز: المركز الثالث
الاستراتيجية: السرعة والكفاءة.
السر: دربوا الذكاء الاصطناي الخاص بهم للقيام بالمهمة كاملة في خطوة واحدة بدلاً من اتخاذ 20 أو 30 خطوة مثل النماذج القديمة. استخدموا نسخة "توربو" (Turbo) من الذكاء الاصطناي.
لماذا فازوا: أثبتوا أنك لست بحاجة للانتظار لساعات لإصلاح صورة؛ يمكنك الحصول على جودة عالية فورًا.

4. YuFans (المثالي)

المركز: المركز الرابع
الاستراتيجية: "الجيد ليس جيدًا بما يكفي".
السر: قاموا بتوليد صورة جيدة أولاً، ثم نظروا إليها بعين "ناقد آلي" (ذكاء اصطناني يحكم على جودة الصورة). إذا قال الناقد: "العيون تبدو مزيفة قليلاً"، يقوم فريق YuFans بتعديل البكسلات لهذه الصورة تحديدًا لإرضاء الناقد.
لماذا فازوا: قاموا بالتحسين خصيصًا لنظام تسجيل النقاط الخاص بالحكام.

🚀 الاتجاهات الكبرى لعام 2026

تسلط الورقة الضوء على ثلاثة تحولات رئيسية في كيفية إصلاح الوجوه:

من "الإصلاح" إلى "إعادة التخيل": توقفنا عن محاولة مجرد شحذ البكسلات الضبابية. الآن، نستخدم نماذج ذكاء اصطناي قوية "تهلوس" (تخلق) تفاصيل جديدة وواقعية فُقدت، لكنها تفعل ذلك بطريقة تظل وفية للشخص.
ثورة "الخطوة الواحدة": كانت الطرق القديمة تستغرق خطوات عديدة لتنظيف الصورة. أظهر الفائزون أنه مع التدريب الصحيح، يمكن للذكاء الاصطناي القيام بذلك في قفزة واحدة، مما يجعل العملية أسرع بكثير.
الهوية هي الملك: مهما بدت الصورة جميلة، إذا لم تكن تشبه الشخص الأصلي، فهي تفشل. قامت أفضل الفرق ببناء "حواجز حماية" خاصة لضمان عدم تغيير الذكاء الاصطناي لشكل وجه الشخص أو هويته.

🏁 الخاتمة

أظهرت هذه المسابقة لنا أن مستقبل ترميم الصور لا يتعلق بكاميرات أفضل؛ بل يتعلق بـ ذكاء اصطناي أذكى. نحن ننتقل من مجرد تنظيف الصور القديمة إلى إعادة بناء الواقع بدقة عالية تجعل الصورة المستعادة تبدو وكأنها التُقطت بكاميرا تبلغ قيمتها مليون دولار اليوم.

لقد أثبت الفائزون أنه من خلال الجمع بين التوليد السريع، والتوجيه الهيكلي الذكي، وفحوصات الهوية الصارمة، يمكننا إعادة الحياة إلى أقدم وأسوأ صورنا بشكل أفضل من أي وقت مضى.

بناءً على ورقة "التحدي الثاني لاستعادة الوجوه في العالم الحقيقي في NTIRE 2026: الأساليب والنتائج"، إليكم ملخصاً تقنياً مفصلاً:

1. تعريف المشكلة

يتناول التحدي مسألة استعادة الوجوه في العالم الحقيقي (Real-World Face Restoration)، وهي مهمة تهدف إلى إعادة بناء صور وجوه عالية الجودة (HQ)، طبيعية وواقعية، من مدخلات منخفضة الجودة (LQ) تعاني من التشويه الناتج عن الضبابية، والضجيج، والضغط، وغيرها من التشويهات الواقعية.

التحدي الجوهري: المهمة غير محددة بطبيعتها (ill-posed) لأن التدهور الشديد يزيل معلومات بصرية هامة.
الأهداف المزدوجة:
1. الجودة الإدراكية (Perceptual Quality): يجب أن تظهر المخرجات تفاصيل غنية، وأنسجة واقعية، ودقة عالية، تحاكي أجهزة التصوير المتطورة.
2. اتساق الهوية (Identity Consistency): يجب أن يحافظ الوجه المستعاد على هوية الشخص الأصلي.
القيود: على عكس النسخ السابقة، لا يفرض هذا التحدي أي قيود على الموارد الحسابية (حجم النموذج، أو عمليات الفاصلة العائمة FLOPs) أو حجم بيانات التدريب، حيث ينصب التركيز بحت على تحقيق أفضل أداء إدراكي وهوياتي.

2. المنهجية وإطار التقييم

مجموعة البيانات

التدريب: أُوصي المشاركون باستخدام مجموعة FFHQ (70 ألف صورة عالية الجودة) ويمكنهم استخدام مجموعات بيانات أخرى (مثل FFHQR).
الاختبار: تكونت مجموعة التقييم من 450 صورة تم اختيارها من خمس مجموعات بيانات متنوعة من العالم الحقيقي: CelebChild-Test، LFW-Test، WIDER-Test، CelebA، وWebPhoto-Test. تغطي هذه المجموعات سيناريوهات صعبة مثل التقدم في العمر، والانسداد (occlusion)، والوضعيات المتطرفة، وتفاوت الإضاءة.

مقاييس التقييم

استخدمت المسابقة عملية تقييم مكونة من خطوتين:

التحقق من الهوية (الحارس - Gatekeeper): قام نموذج AdaFace مدرب مسبقاً بقياس تشابه جيب التمام (cosine similarity) بين المدخلات منخفضة الجودة (LQ) والصورة عالية الجودة (HQ) المستعادة.
- تفاوتت العتبات حسب مجموعة البيانات (0.3 لـ WIDER/WebPhoto، و0.5 لـ CelebA، و0.6 لـ LFW/CelebChild).
- الفرق التي فشلت في تجاوز هذه العتبة (أو سجلت أكثر من 10 حالات فشل) يتم استبعادها.
درجة الجودة الإدراكية: بالنسبة للفرق المؤهلة، يتم حساب درجة موزونة بناءً على مقاييس متعددة لتقييم جودة الصورة بدون مرجع (No-Reference IQA):
- المقاييس: CLIPIQA، MANIQA، MUSIQ، Q-Align، NIQE، وFID (باستخدام FFHQ كمرجع).
- المعادلة:
  $\text{Score} = \text{CLIPIQA} + \text{MANIQA} + \frac{\text{MUSIQ}}{100} + \frac{\text{QALIGN}}{5} + \max(0, \frac{10 - \text{NIQE}}{10}) + \max(0, \frac{100 - \text{FID}}{100})$

3. المساهمات الرئيسية والاتجاهات

تحلل الورقة الأساليب الأعلى أداءً، وتحدد خمسة اتجاهات رئيسية في هذا المجال:

هيمنة النماذج التوليدية الفعالة:
- انتقلت الفرق المتصدرة بعيداً عن نماذج الانتشار (diffusion models) متعددة الخطوات نحو نماذج الانتشار ذات الخطوة الواحدة أو المقطرة (one-step or distilled diffusion priors) (مثل OSDFace، وZ-Image، وSDXL-Turbo).
- يثبت هذا التحول أنه يمكن تحقيق جودة إدراكية عالية باستخدام تمريرات أمامية واحدة (single forward passes)، مما يحسن كفاءة الاستدلال بشكل كبير.
التحسين الموجه بالمقاييس:
- لم تعتمد الفرق الرائدة فقط على المولد الأساسي (backbone generator)، بل طبقت التحسين أثناء التدريب أو أثناء الاختبار (post-training or test-time optimization) مستهدفاً مقاييس التحدي تحديداً (CLIPIQA، MANIQA، MUSIQ).
- شملت التقنيات التدريب اللاحق القائم على المكافأة (reward-based post-training) وتحسين البكسل التفاضلي الموجه بنماذج IQA.
التوجيه الدلالي والهيكلي:
- رغم قوة النماذج التأسيسية، تظل النماذج المسبقة الواعية بالوجه (face-aware priors) حاسمة لسلامة الهوية.
- دمجت الأساليب التحليل الدلالي (مثل BiSeNet) وتصحيحات مجال الموجات (wavelet-domain corrections) لضمان حصول مناطق الوجه المختلفة (العينين، الفم، الجلد) على مستويات مناسبة من التحسين دون تشويه التشريح.
البنى المعيارية متعددة المراحل:
- بدلاً من التدريب المتكامل أحادي المرحلة (end-to-end)، استخدمت النهج الناجحة خطوط معالجة (pipelines) تفصل بين الاستعادة الأولية، والتعزيز الإدراكي، وما بعد المعالجة.
- تسمح هذه الوحدات (modularity) للفرق بإعادة استخدام النماذج التوليدية القوية المدربة مسبقاً مع إضافة كتل تحسين خفيفة ومخصصة للمهمة.
تكييف النماذج التأسيسية:
- هناك تحول واضح من تدريب شبكات استعادة خاصة بالمهمة إلى تكييف النماذج التأسيسية واسعة النطاق (مثل FLUX.2، وStable Diffusion، وZ-Image) عبر الضبط الفعال للمعلمات (LoRA) وإشارات التحكم المهيكلة.

4. النتائج

المشاركة: سجل 96 فريقاً؛ وقدم 10 فرق نماذج صالحة؛ وحصل 9 فرق على درجات صالحة بعد التحقق من الهوية.
الأداء الأعلى:
1. MiPlusCV: استخدم خط معالجة من مرحلتين يجمع بين OSDFace (استعادة أولية) ومستعيد انتشار بخطوة واحدة يعتمد على Z-Image، مع تحسين عبر التدريب اللاحق القائم على المكافأة.
2. CEVI-KLETech: وظف نموذجاً أساسياً من ثلاث مراحل مع وحدة تصحيح متبقي موجهة بالتردد وواعية دلالياً (SA-FGRC) خفيفة الوزن باستخدام تحويلات الموجات والتحليل الدلالي.
3. HONORAICamera: قام بضبط Z-Image-Turbo باستخدام استراتيجية تدريب من نمط OMGSR، مع تثبيت الاستدلال في خطوة زمنية واحدة.
4. YuFans: جمع بين SDFace (خطوة واحدة) وتحسين البكسل الموجه بـ CLIPIQA أثناء وقت الاختبار.
5. guaguagua: استخدم DeSC-Face القائم على FLUX.2 مع تحكم مهيكل واعٍ بالتدهور.
الاستبعاد: فشل الفريق BVI في اختبار هوية AdaFace (82 صورة فاشلة) ولم يحصل على أي تصنيف نهائي.

5. الأهمية

التقدم في أحدث التقنيات (SOTA): يؤكد التحدي أن النماذج التأسيسية (الانتشار، وLCMs) هي الآن النموذج المهيمن لاستعادة الوجوت في العالم الحقيقي، متفوقة على أساليب CNN/GAN التقليدية في كل من الواقعية واستعادة التفاصيل.
الكفاءة مقابل الجودة: يثبت نجاح النماذج ذات الخطوة الواحدة أو المقطرة أن الاستعادة عالية الدقة لا تتطلب بالضرورة عمليات أخذ عينات مكلفة حسابياً متعددة الخطوات.
الحفاظ على الهوية: تبرز النتائج أنه بينما النماذج التوليدية قوية، فإن القيود الصريحة (التوجيه الدلالي، فقدان الهوية، تصحيح الموجات) ضرورية لمنع "الهلوسة" الخاصة بالهويات الخاطئة أو الهياكل الوجهية غير الصحيحة.
المعيارية (Benchmarking): توفر الورقة نظرة عامة شاملة للاتجاهات الحالية، مما يقدم معياراً جديداً للأبحاث المستقبلية التي توازن بين الجودة الإدراكية، واتساق الهوية، وكفاءة الاستدلال.