Ultra-low-light computer vision using trained photon correlations
تقدم هذه الورقة إطار عمل هجين للرؤية الحاسوبية ضوئياً وإلكترونياً يسمى التدريب المدرك للارتباط (CAT)، والذي يعمل على تحسين مصدر إضاءة فوتوني مترابط قابل للتدريب ونموذج خلفي من نوع "ترانسفورمر" بشكل مشترك لتحقيق تحسن يصل إلى 15 نقطة مئوية في دقة التعرف على الأشياء في ظروف الإضاءة المنخفضة للغاية والضوضاء مقارنة بالإضاءة التقليدية غير المترابطة.
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 تحاول التعرف على صديق في غرفة مزدحمة ومظلمة تماماً. لا يمكنك سوى تسليط ضوء من كشاف يدوي صغير وومّاض لكسر من الثانية.
المشكلة:
في إعداد الكاميرا العادي ("النهج التقليدي")، تقوم فقط بتسليط الضوء وتأمل أن تلتقط الكاميرا ما يكفي من الفوتونات (جسيمات الضوء) لرؤية وجه صديقك. ولكن في هذه الغرفة شديدة الظلمة والضجيج، لا ترى الكاميرا سوى تشويش وشرارات عشوائية (ضوضاء). وللحصول على صورة واضحة، ستحتاج عادةً إلى تسليط الضوء آلاف المرات ومتوسط النتائج معاً. ولكن ماذا لو لم يتبقَّ لديك سوى بضع ومضات؟ ستجد نفسك عالقاً في التخمين.
الحل "الكمي" القديم:
يعلم العلماء منذ فترة أنه إذا استخدمت فوتونات "متشابكة" أو "مرتبطة" — أزواج من الفوتونات المرتبطة ببعضها بشكل سحري، مثل زوج من النرد الذي يسقط دائماً على نفس الرقم — يمكنك تصفية الضوضاء. إذا رأت الكاميرا "نقرة" في الجانب الأيس، فهي تعرف أن هناك "نقرة" شريكة يجب أن تحدث في الجانب الأيمن. الضوضاء العشوائية ليس لها هذا الشريك، لذا يمكننا تجاهلها.
ومع ذلك، هناك عقبة: الطرق الكمية التقليدية تحاول عادةً إعادة بناء الصورة أولاً (مثل محاولة رسم بورتريه مثالي من وسط الضوضاء) ثم تحديد الكائن. وهذا أمر بطيء ويتطلب الكثير من البيانات.
الحل "الذكي" الجديد (هذه الورقة البحثية):
سأل الباحثون في هذه الورقة سؤالاً مختلفاً: لماذا نحتاج إلى رسم البورتريه كاملاً إذا كنا نريد فقط معرفة "هل هذا صديقي؟"
لقد ابتكروا نظاماً يسمى التدريب المدرك للارتباط (Correlation-Aware Training - CAT). وإليك كيف يعمل، باستخدام تشبيه بسيط:
1. "الكشاف السحري" (الإضاءة القابلة للبرمجة)
بدلاً من استخدام كشاف ضوئي قياسي أو مصدر ضوء كمي ثابت، قاموا ببناء كشاف "ذكي" وقابل للبرمجة.
- التشبيه: تخيل كشافاً لا يكتفي بإطلاق شعاع ضوء فحسب؛ بل يمكنه تغيير نمط أشعة الضوء الخاصة به. يمكنه أن يقرر: "حسناً، بالنسبة لهذا الصديق تحديداً، سأسلط الضوء بنمط متعرج يبرز أنفه ويتجاهل ضوضاء الخلفية".
- كيف فعلوا ذلك: استخدموا بلورة خاصة (SPDC) تنتج أزواجاً من الفوتونات. ومن خلال تشكيل الليزر الذي يضخ البلورة باستخدام جهاز يسمى "المعدل الضوئي المكاني" (SLM)، استطاعوا "برمجة" كيفية ارتباط أزواج الفوتونات هذه.
2. "العقل الفائق" (المحول - The Transformer)
على الطرف الآخر، استخدموا ذكاءً اصطناعياً قوياً يسمى محول المجموعات (Set Transformer).
- التشبيه: فكر في هذا الذكاء الاصطناعي كالمحقق الذي سيء في النظر إلى الصور الضبابية ولكنه بارع جداً في رصد الأنماط وسط كومة من الأدلة. هو لا يهتم بـ "وجه" الكائن؛ بل يهتم بـ العلاقات بين نقاط الضوء.
- الخدعة: تم تدريب الذكاء الاصطناعي للبحث عن "المصافحة" المحددة بين أزواج الفوتونات. إذا اصطدم الضوء بالكائن بطريقة معينة، فإن أزواج الفوتونات ستصل إلى الكاميرا بنمط مترابط محدد يتعرف عليه الذكاء الاصطناعي على أنه "الصديق".
3. "العمل الجماعي" (التحسين المتكامل - End-to-End Optimization)
هذا هو السحر الحقيقي. عادةً، تقوم بتصميم الضوء، ثم تصمم الذكاء الاصطناعي. هنا، قمنا بتدريبهما معاً.
- التشبيه: تخيل مدرب رقص (الذكاء الاصطناعي) وراقصاً (مصدر الضوء). بدلاً من أن يملي المدرب على الراقص ما يفعله، فإنهما يتدربان معاً. يقول المدرب: "تلك الحركة لم تساعدني في رؤيتك بوضوح. حاول تحريك ذراعك بشكل مختلف". فيعدل الراقص حركته، ويتعلم المدرب كيفية تفسير الحركة الجديدة بشكل أفضل.
- النتي نتيجة: تعلم مصدر الضوء كيف يشع بالطريقة الدقيقة التي تجعل مهمة الذكاء الاصطناعي هي الأسهل، حتى لو بدا نمط الضوء هذا غريباً أو لا يبدو كـ "صورة" للكائن على الإطلاق.
النتائج: الرؤية في الظلام
اختبروا ذلك من خلال محاولة تحديد 25 شكلاً مختلفاً (مثل الحروف أو الرموز) في ضوء منخفض للغاية مع الكثير من ضوضاء الخلفية.
- الضوء التقليدي: احتاج إلى الكثير من الفوتونات والعديد من "الومضات" (الطلقات) ليصيب الهدف.
- الضوء الكمي غير المدرب: أفضل، لكنه ليس مثالياً لأن نمط الضوء لم يكن مُحسناً للمهمة المحددة.
- نظامهم "المدرب": حققوا دقة أعلى بنسبة تصل إلى 15% من الطرق التقليدية.
- الفوز الكبير: استطاعوا تحديد الأجسام باستخدام عدد فوتونات أقل بـ 6 مرات وعدد ومضات أقل بـ 6 مرات من الكاميرا القياسية.
لماذا يهم هذا الأمر؟
فكر في الأمر على هذا النحو:
- الطريقة القديمة: محاولة سماع همسة في وسط إعصار عن طريق الصراخ بصوت أعلى (استخدام المزيد من الضوء).
- الطريقة الجديدة: تعليم الشخص الذي يهمس التحدث بشفرة سرية تخترق الرياح، وتعليم المستمع فهم تلك الشفرة فوراً.
يثبت هذا البحث أنه في المستقبل، لن نحتاج فقط إلى كاميرات أفضل أو أضواء أكثر سطوعاً. يمكننا جعل الضوء نفسه أكثر ذكاءً، ليعمل بالتوازي مع الذكاء الاصطناعي لرؤية أشياء كان من المستحيل اكتشافها سابقاً، مثل الخلايا الحية الدقيقة دون إتلافها بالضوء الساطع، أو التنقل في الظلام الدامس.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.