BarbieGait: An Identity-Consistent Synthetic Human Dataset with Versatile Cloth-Changing for Gait Recognition
تقدم هذه الورقة BarbieGait، وهي مجموعة بيانات اصطناعية تحافظ على هوية المشية مع محاكة تغييرات الملابس المتنوعة، وتقترح GaitCLIF، وهو نموذج قوي يتعلم بفعالية سمات ثابتة تجاه الملابس لتحسين أداء التعرف على المشية عبر الملابس المختلفة بشكل كبير.
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 لك وهو يمشي في شارع مزدحم. إذا كان يرتدي سترته الزرقاء المعتادة وبنطال الجينز، فالأمر سهل. ولكن ماذا لو ظهر غداً وهو يرتدي معطفاً شتوياً ضخماً ومنتفخاً، وفستاناً صيفياً فضفاضاً وحقيبة ظهر؟ أو في اليوم التالي، يرتدي بدلة رسمية (تكسيدو) وقبعة؟
لفترة طويلة، عانت أجهزة الكمبيوتر (وتحديداً الذكاء الاصطناعي) من هذا الأمر. هذه هي مشكلة "التعرف على مشية الإنسان" (Gait Recognition): تحديد هوية الأشخاص من خلال طريقة مشيهم، وليس من خلال مظهرهم. تكمن المشكلة في أن الملابس تغير شكل الشخص، مما يربك الذكاء الاصطناعي.
إليك شرح مبسط لورقة بحثية بعنوان "BarbieGait" وكيف حل المؤلفون هذا اللغز.
1. المشكلة: "لعنة الملابس"
فكر في مجموعات البيانات الحالية (مجموعات فيديوهات المشي المستخدمة لتدريب الذكاء الاصطناعي) كأنها ألبوم صور. معظم الألبومات تحتوي على نفس الشخص وهو يرتدي نفس الزي، أو ربما زيين أو ثلاثة أزياء مختلفة فقط.
- المشكلة: إذا دربت حارس أمن (الذكاء الاصطناعي) فقط على التعرف على صديقك وهو يرتدي سترة زرقاء، فسيصاب الحارس بالارتباك عندما يرتدي صديقك معطفاً أحمر.
- الكابوس في العالم الحقيقي: لإصلاح ذلك، سيحتاج الباحثون إلى تصوير آلاف الأشخاص الحقيقيين وهم يمشون بمئات الأزياء المختلفة. هذا مستحيل؛ فهو مكلف للغاية، ويستغرق وقتاً طويلاً، ولا يرغب الناس في أن يتم تصويرهم بملابس النوم أو ملابس السباحة من أجل مشروع علمي (مشاكل الخصوصية).
2. الحل: مصنع "باربي الرقمي"
ابتكر المؤلفون BarbieGait. بدلاً من تصوير أشخاص حقيقيين بملابس مختلفة، قاموا ببناء مصنع افتراضي.
- الشخص الحقيقي: قاموا بتصوير 521 شخصاً حقيقياً وهم يمشون. لقد سجلوا هيكلهم العظمي الدقيق، وطولهم، والطريقة المحددة التي تتحرك بها مفاصلهم.
- التوأم الافتراضي: حولوا هؤلاء الأشخاص الحقيقيين إلى شخصيات رقمية ثلاثية الأبعاد (مثل شخصيات ألعاب الفيديو عالية التقنية).
- خزانة الملابس السحرية: هذا هو الجزء العبقري. لم يكتفوا بوضع زي واحد على الشخصية الافتراضية، بل أنشأوا نظاماً يمكنه إلباس كل شخصية افتراضية 100 زي مختلف.
- تخيل خزانة ملابس رقمية تحتوي على الآلاف من القمصان، والسراويل، والأحذية، والقبعات، والحقائب.
- يقوم الكمبيوتر بخلط وتنسيق هذه القطع لإنشاء 100 مظهر فريد لكل شخص.
- الأمر الجوهري: على الرغم من تغير الملابس، إلا أن طريقة مشي الشخص تظل ثابتة تماماً لأنها تعتمد على عظام الشخص الحقيقي.
التشبيه: فكر في الأمر كأنه حرباء. الحرباء الحقيقية تغير لون جلدها، لكن شكل جسمها وحركتها يظلان كما هما. BarbieGait تنشئ حرباء رقمية يمكنها ارتداء 100 "جلد" (زي) مختلف مع الحفاظ على "مشيتها" الفريدة.
3. نموذج الذكاء الاصطناعي الجديد: "GaitCLIF"
امتلاك البيانات ليس كافياً؛ يحتاج الذكاء الاصطناعي أيضاً لتعلم كيفية تجاهل الملابس. بنى المؤلفون "دماغاً" جديداً للذكاء الاصطناعي يسمى GaitCLIF.
- المشكلة في الذكاء الاصطناعي القديم: كانت نماذج الذكاء الاصطناعي القديمة مثل الطلاب الذين يحفظون الكتاب المدرسي (الملابس) عن ظهر قلب. إذا تغير الكتاب، سيفشلون.
- نهج GaitCLIF: يتم تعليم هذا النموذج الجديد كيفية تجاهل "الضجيج" (الملابس) والتركيز فقط على "الإشارة" (حركة المفاصل).
- التشبيه: تخيل أنك تحاول سماع صوت صديقك في حفلة صاخبة. الذكاء الاصطناعي القديم يحاول سماع الغرفة بأكملها (بما في ذلك الموسيقى وحفيف الملابس). أما GaitCLIF فيضع سماعات عازلة للضوضاء تقوم بتصفية حفيف القماش وتضخيم الصوت فقط.
- يقوم النموذج بتفكيك الجسم إلى قطع صغيرة (مثل الركب، والأكواع، والوركين) ويتعلم أن كيفية انثناء الركبة أهم من لون البنطال.
4. النتائج: لماذا هذا مهم؟
اختبر المؤلفون هذا النظام بطريقتين:
- في العالم الافتراضي: قاموا بتدريب الذكاء الاصطناعي على الشخصيات الافتراضية ذات الـ 100 زي. أصبح الذكاء الاصطناعي بارعاً للغاية في التعرف على الأشخاص، حتى عندما كانوا يرتدون ملابس مختلفة تماماً.
- في العالم الحقيقي: أخذوا الذكاء الاصطناعي الذي تدرب على بيانات "باربي" واختبروه على لقطات كاميرات مراقبة من العالم الحقيقي.
- المفاجأة: الذكاء الاصطناعي الذي تدرب على بيانات وهمية (افتراضية) أصبح في الواقع أفضل في التعرف على الأشخاص الحقيقيين من الذكاء الاصطناعي الذي تدرب فقط على بيانات حقيقية.
- لماذا؟ لأن بيانات "باربي" أظهرت للذكاء الاصطناعي الكثير من تركيبات الملابس المختلفة، مما جعله يتعلم القواعد الحقيقية للمشي، مما جعله خبيراً فائق القدرة.
الملخص
- الهدف: جعل كاميرات المراقبة قادرة على التعرف عليك حتى لو غيرت زيّك بالكامل.
- العائق: لا يمكننا تصوير عدد كافٍ من الأشخاص الحقيقيين بملابس متنوعة.
- الحل: يستخدم BarbieGait تقنية ثلاثية الأبعاد لإنشاء مكتبة ضخمة من الأشخاص الافتراضيين يرتدي كل منهم أكثر من 100 زي، مع الحفاظ على أسلوب مشيهم الفريد.
- الأداة: GaitCLIF هو ذكاء اصطناعي جديد يتعلم تجاهل الملابس والتركيز على العظام.
- النتيجة: يخلق هذا طريقة أذكى وأكثر موثوقية لتحديد الهوية، وهو أمر ضخم للأمن والمراقبة ومساعدة الأشخاص الذين يصعب التعرف عليهم.
باختصار، لقد بنوا عرض أزياء رقمي حيث لا تتغير مشية العارضين أبداً، لتعليم الكمبيوتر رؤية الشخص، وليس الزي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.