💻 computer science

Implicit Neural Representations: A Signal Processing Perspective

تستعرض هذه المقالة التمثيلات العصبية الضمنية (INRs) من منظور معالجة الإشارات، متتبعةً تطورها من الشبكات القائمة على الإحداثيات إلى البنيات المتقدمة التي تتغلب على الانحياز الطيفي، مع تسليط الضوء على تطبيقاتها في مجالات متنوعة وتحديد التحديات النظرية الرئيسية.

المؤلفون الأصليون: Dhananjaya Jayasundara, Vishal M. Patel

نُشر 2026-04-17

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Dhananjaya Jayasundara, Vishal M. Patel

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

الفكرة الكبرى: من شبكات البكسل إلى اللوحات اللانهائية

تخيل أن لديك صورة رقمية. تقليديًا، تخزن الحواسيب هذه الصورة كـ شبكة ضخمة من المربعات الصغيرة (البكسلات). إذا قمت بتكبير الصورة كثيرًا، ستظهر لك تلك المربعات وتبدو الصورة مشوشة. وللحصول على نسخة أكبر، عليك التخمين لما يجب أن يكون في المربعات الجديدة (الاستكمال/Interpolation)، وهو ما يجعل الصورة تبدو باهتة غالبًا.

التمثيلات العصبية الضمنية (Implicit Neural Representations - INRs) تغير القواعد. فبدلاً من تخزين شبكة من المربعات، يقوم الـ INR بتخزين وصفة رياضية (شبكة عصبية) تصف هذه الصورة.

الطريقة القديمة (الشبكة): تشبه الفسيفساء المكونة من بلاطات ثابتة. إذا أردت صورة أكبر، عليك إضافة المزيد من البلاطات، لكنك قد لا تعرف ما هي الألوان التي يجب أن تكون عليها.
الطريقة الجديدة (INR): تشبه وصفة الشيف السرية. أنت لا تخزن الكعكة؛ بل تخزن التعليمات لخبزها. إذا أردت قطعة صغيرة أو كعكة عملاقة، ما عليك سوى اتباع الوصفة لهذا الحجم المحدد. "الكعكة" (الصورة) تكون ناعمة ومثالية مهما بلغت درجة التكبير، لأن الوصفة تعمل لأي حجم.

كيف يعمل الأمر: الدالة السحرية

في هذه الورقة البحثية، يشرح المؤلفون أن الـ INR هو دالة، لنسمّها $f$ .

تعطي الدالة إحداثيات (مثل "x=5, y=10").
تقوم الدالة بإخراج اللون عند تلك النقطة بالضبط.

ولأن هذه الدالة مستمرة، يمكنك طلب اللون عند "x=5.0001" أو "x=5.0000001"، وستعطيك إجابة مثالية. إنها ليست مقيدة بشبكة؛ بل هي لوحة ناعمة ولانهائية.

المشكلة: "انحياز التردد المنخفض"

تشير الورقة إلى سمة غريبة في كيفية تعلم هذه الشبكات العصبية. الأمر يشبه طفلًا يتعلم الرسم.

الانحياز: في البداية، تكون الشبكة جيدة في رسم الأشكال الكبيرة والناعمة (مثل سماء زرقاء أو تلة خضراء)، لكنها تعاني في رسم التفاصيل الصغيرة (مثل ملمس العشب أو ريش الطائر).
الاستعارة: تخيل أنك تحاول ضبط جهاز راديو. الشبكة مضبوطة طبيعيًا على محطات "التردد المنخفض" (الأصوات الناعمة)، وتجد صعوبة في التقاط محطات "التردد العالي" (الخشخشة، التشويش، والتفاصيل الدقيقة).

الحلول: ضبط الراديو

تستعرض الورقة العديد من الحيل الذكية التي ابتكرها الباحثون لإصلاح هذا "انحياز التردد المنخفض" حتى تتمكن الشبكة من سماع النغمات العالية أيضًا. فكر في هذه الحيل كطرق مختلفة لضبط ذلك الراديو:

الترميز الموضعي (Positional Encoding - معزز التردد): بدلاً من تغذية الشبكة بإحداثيات خام (x, y)، نقوم بتغذيتها بنسخة "معالجة مسبقًا" تحتوي بالفعل على موجات عالية التردد. الأمر يشبه إعطاء الشبكة نظارات تساعدها على رؤية التفاصيل الدقيقة فورًا.
سي رين (SIREN - المحرك المتذبذب): تستخدم الشبكات القياسية دوال تنشيط (قواعد رياضية) ناعمة وبطيئة. أما SIREN فتستخدم الموجات الجيبية (sine waves) كقواعد رياضية لها. وبما أن الموجات الجيبية تتذبذب طبيعيًا صعودًا وهبوطًا، تصبح الشبكة بارعة بطبيعتها في رسم الخطوط المتعرجة والمفصلة.
واير (WIRE - المصباح الموضعي): الموجات الجيبية رائعة، لكنها تتذبذب في كل مكان في وقت واحد. يستخدم WIRE المويجات (wavelets)، وهي تشبه شعاع المصباح اليدوي؛ فهي تتذبذب (تردد) ولكن في مكان محدد فقط (موضعية). وهذا مثالي لرسم حافة تنتهي فجأة.
التصاميم التكيفية (التغيّر الذكي - Chameleon): تسمح بعض الطرق الأحدث للشبكة بتغيير قواعدها الرياضية بناءً على ما تنظر إليه. إذا كانت الصورة ناعمة، تتصرف بنعومة؛ وإذا كانت متعرجة، تصبح متعرجة.

لماذا يهم هذا؟ (التطبيقات)

توضح الورقة أن نهج "الوصفة" هذا مفيد لأكثر من مجرد الصور.

الصوت: الصوت هو مجرد موجة عبر الزمن. يمكن لـ INRs تخزين أغنية كدالة مستمرة، مما يسمح لك بتشغيلها بأي سرعة أو تغيير طبقة الصوت دون أن تبدو "رقمية" أو مشوهة.
الفيديو: بدلاً من تخزين 30 صورة منفصلة في الثانية، يقوم الـ INR بتخزين الفيديو بالكامل كدالة للمكان والزمان. إنه يفهم أن الخلفية تظل ثابتة بينما تتحرك السيارة، مما يوفر مساحة هائلة.
الهندسة ثلاثية الأبعاد (NeRFs): هذه هي تقنية "NeRF" الشهيرة. بدلاً من بناء نموذج ثلاثي الأبعاد من كتل (voxels)، تبني الـ INRs سحابة مستمرة من الكثافة. يمكنك التجول حول جسم ثلاثي الأبعاد، وسيقوم الكمبيوتر بحساب ما ستراه بالضبط من تلك الزاوية الجديدة، مما يخلق مشاهد ثلاثية الأبعاد واقعية للغاية من مجرد صور قليلة.
التصوير الطبي: غالبًا ما يحصل الأطباء على صور غير مكتملة أو باهتة (مثل صور الرنين المغناطيسي ذات المقاطع المفقودة). ولأن الـ INRs مستمرة، يمكنها "ملء الفجوات" رياضيًا، مما يعيد بناء عضو عالي الدقة وسلس من بيانات شحيحة.
الضغط (Compression): هذا هو الجزء الأكثر روعة. بدلاً من إرسال ملف ضخم من البكسلات إلى هاتفك، يمكنك إرسال ملف صغير يحتوي على أوزان الشبكة العصبية (الوصفة). سيقوم هاتفك بعد ذلك بتشغيل الوصفة لرسم الصورة بدقة شاشة هاتفك الخاصة. الأمر يشبه إرسال كتاب طبخ بدلاً من إرسال كعكة جاهزة.

المستقبل: ما الخطوة التالية؟

يخلص المؤلفون إلى أنه بينما تعد الـ INRs قوية، إلا أننا لا نزال بحاجة إلى فهمها بشكل أفضل.

القابلية للتوسع (Scalability): حاليًا، تدريب "وصفة" جديدة لكل صورة على حدة عملية بطيئة. نحن بحاجة إلى طرق لتعلم "وصفة رئيسية" يمكنها التكيف بسرعة مع الصور الجديدة.
الفيزياء: نريد من هذه الشبكات أن تحترم قوانين الفيزياء (مثل كيفية انكسار الضوء أو انتقال الصوت) تلقائيًا، وليس مجرد التخمين بناءً على الصور.

الملخص

التمثيلات العصبية الضمنية هي تحول من تخزين البيانات كـ شبكة ثابتة من النقاط إلى تخزينها كـ دالة ديناميكية ولانهائية.

فكر في الأمر كفرق بين خريطة منقطة (حيث يمكنك فقط رؤية الطرق المرسومة على الورقة) وبين نظام ملاحة GPS (حيث يمكنك التكبير لرؤية منزل واحد أو التصغير لرؤية الدولة بأكملها، ويقوم النظام بحساب المسار بشكل مثالي في كل مرة). الـ INRs هي نظام الـ GPS لعالم البيانات، مما يسمح لنا برؤية الإشارات، وضغطها، وإعادة بنائها بوضوح لانهائي.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "التمثيلات العصبية الضمنية: منظور معالجة الإشارات" من تأليف دحانجايا جاياسوندارا وفيشال م. باتيل.

1. بيان المشكلة

تعتمد معالجة الإشارات التقليدية على تمثيلات منفصلة (بكسلات، فوكسل، موجات صوتية مأخوذة عينات) مخزنة على شبكات ثابتة. وبينما حققت هذه التمثيلات نجاحاً في التخزين والضغط، إلا أن هذا المنظور المنفصل يخلق قيوداً جوهرية للمهام التي هي بطبيعتها مستمرة، مثل:

الاستكمال (Interpolation) والرفع الفائق للدقة (Super-resolution): استنتاج القيم بين العينات.
التشويه الهندسي والمشكلات العكسية: التفكير في الإشارات خارج النطاق الملحوظ.
النمذجة الفيزيائية: حساب المشتقات (التدرجات، لابلاتشيان) والتي يصعب تقريبها بدقة على الشبكات المنفصلة.

في المسارات التقليدية، تكون الاستمرارية خاصية خارجية تُضاف عبر نوى الاستكمال (interpolation kernels) بعد عملية التجزئة (discretization). ويجادل المؤلفون بأن التمثيل نفسه يجب أن يكون جوهرياً في النطاق المستمر، وليس مرتبطاً بشبكة أخذ عينات ثابتة.

2. المنهجية: إطار التمثيل العصبي الضمني (INR)

تعرّف الورقة الـ INR ليس كمُتنبئ، بل كتمثيل للإشارة نفسها. يتم نمذجة الإشارة $s$ كدالة مستمرة مُعلمات بشبكة عصبية:
$f_\theta : \Omega \subset \mathbb{R}^d \to \mathbb{R}^c$
حيث:

$\Omega$ هو نطاق المدخلات (على سبيل المثال، الإحداثيات المكانية $x$ ، أو الإحداثيات المكانية-الزمانية $(x,t)$ ، أو الإحداثيات الطيفية).
$c$ هو بُعد المخرجات (على سبيل المثال، قيم RGB، أو السعة).
$\theta$ تمثل أوزان الشبكة، والتي تُشفّر الإشارة ضمنياً.

أهداف التعلم:

الملاءمة المباشرة (Direct Fitting): تقليل خسارة النقطة (مثل MSE) بين مخرجات الشبكة والعينات الملحوظة.
المشكلات العكسية: صياغة المشكلة كـ $\min_\theta D(A(f_\theta), y) + \lambda R(\theta, f_\theta)$ ، حيث $A$ هو مؤثر أمامي (مثل الإسقاط، أو التغبيش، أو تكامل الأشعة). يسمح هذا للـ INRs بحل المشكلات العكسية من خلال استنتاج إشارة مستمرة تتوافق مع القياسات غير المباشرة.
القابلية للاشتقاق: نظرًا لأن $f_\theta$ قابلة للاشتقاق، يمكن فرض قيود على المشتقات (التدرجات، لابلاتشيان) تحليلياً عبر الاشتقاق التلقائي، وهو أمر بالغ الأهمية للتعلم المستند إلى الفيزياء.

3. المساهمات الرئيسية والتطور التقني

تصنف الورقة تطور الـ INRs من خلال منظور معالجة الإشارات، مع التركيز بشكل خاص على الانحياز الطيفي (الميل نحو تعلم الدوال ذات الترددات المنخفضة أولاً) وكيف تعالج البنى المختلفة هذه المسألة.

أ. التصميم الطيفي ودوال التنشيط

يتتبع المؤلفون تسلسلاً زمنياً للطرق المصممة لتحسين تمثيل الترددات العالية:

الترميز الموضعي (Positional Encoding - PE): يقوم بخرائط الإحداثيات الخام إلى فضاء عالي الأبعاد باستخدام ميزات جيبية ( $\cos(2\pi Bx), \sin(2\pi Bx)$ ). يعمل هذا كعملية "رفع للتردد"، مما يوفر للشبكة مدخلات عالية التردد.
التنشيط الدوري (SIREN): يستبدل ReLU/Tanh بتنشيطات جيبية ( $\sin(\omega x)$ ). هذا يدمج الهيكل التذبذبي مباشرة في الشبكة، مما يمكّن من النمذجة الدقيقة للمشتقات والتفاصيل الدقيقة.
ما وراء الدورية: تجادل الورقة بأن الدورية ليست ضرورية تماماً؛ المفتاح هو هندسة التمثيل الخفي. يمكن لتمثيلات مثل Gaussian أو Quadratic أن تعمل أيضاً إذا حافظت على ميل كافٍ وحساسية محلية.
التذبذبات الموضعية (WIRE): يستخدم موجات غابور (Gabor wavelets) المعقدة كدوال تنشيط. وهذا يجمع بين القدرة التعبيرية للتردد والتمركز المكاني، مما يعالج مشكلة كون التوافقيات العالمية (مثل الجيب الصافي) تنشر الأخطاء عبر النطاق بأكره.
التردد المتكيف (FINER): يقدم تنشيطات متغيرة الدورية حيث يتغير معدل التذبذب بناءً على مقدار المدخلات، مما يسمح للشبكة بالوصول ديناميكياً إلى أنظمة ترددية مختلفة.
إعادة بارامتريز الـ أوزان (Weight Reparameterization): بدلاً من تغيير التنشيطات، تقوم طرق مثل تدريب فوريه لإعادة البارامتري بتقييد مصفوفات الأوزان لتكون تركيبات خطية من قواعد فوريه ثابتة، وتحسين المعاملات لتعلم المكونات الطيفية بكفاءة أكبر.
التنشيطات المطابقة للإشارة (MIRE): تختار دوال التنشيط من قاموس (مثل sinc، own wavelets، raised cosine) طبقة تلو الأخرى لتناسب أفضل شكل للإشارة التي يتم تمثيلها، منتقلة من القواعد الثابتة إلى القواعد المتكيفة.
الارتباط بنظرية أخذ العينات: تربط الورقة الـ INRs بـ قواعد ريز (Riesz bases). وتقترح أن تنشيطات sinc هي الأمثل نظرياً لإعادة البناء المستقر للإشارات محدودة النطاق، بينما قد لا تشكل التنشيطات الأخرى (مثل ReLU) قواعد مستقرة لأي إشارات.

ب. التمثيلات المهيكلة والهرمية

للتعامل مع الإشارات واسعة النطاق بكفاءة، تناقش الورقة الانتقال من MLPs العالمية إلى تصميمات مهيكلة:

تفكيك متعدد المقاييس (MINER): يستخدم نهج هرم لابلاتشيان حيث تلتقط الشبكات الخشنة الهيكل منخفض التردد بينما تلتقط الشبكات الأدق البواقي (residuals).
التكيف المكاني (ACORN): يستخدم هياكل quadtree/octree لتخصيص الموارد الحسابية فقط للمناطق التي تتطلب تفاصيل عالية.
ترميز شبكة الهاش (Hash-Grid Encodings - Instant-NGP): يجمع بين MLP صغير وجدول هاش متعدد الدقة من الميزات القابلة للتدريب. هذا يفصل حجم الشبكة عن دقة الإشارة، مما يتيح توسعاً هائلاً.

ج. التكيفات الخاصة بالأنماط (Modality-Specific)

توضح الورقة كيف تتكيف الـ INRs مع أنواع مختلفة من الإشارات:

الصوت: يتطلب دقة عالية التردد؛ وتعتبر SIRENs ذات عوامل قياس عالية التردد فعالة في هذا المجال.
الفيديو: ينتقل من $(x,y,t)$ النقطي إلى توليد الإطارات إطاراً بإطار (NeRV)، حيث تولد الشبكة إطارات كاملة من مؤشر زمني، مستغلة التكرار الزمني.
التصوير الفائق الطيفي (Hyperspectral Imaging): يعامل الطول الموجي كإحداثي مستمر، مما يسمح بإعادة البناء عند أي دقة طيفية.
الهندسة ثلاثية الأبعاد: تستخدم دوال المسافة الموقعة (SDFs) أو حقول الإشغال لتمثيل الأسطح كأطقم مستويات صفرية، مما يسمح باستخراج الأسطح المستمرة وتقدير المتجهات العمودية (normals).

د. التقييم الفعال والتعلم الميتا (Meta-Learning)

لمعالجة التكلفة الحسابية لتدريب شبكة جديدة لكل إشارة:

التعلم الميتا (Meta-Learning - MetaSDF): يتعلم تهيئة مشتركة (prior) عبر عائلة من الدوال، مما يسمح بالتكيف السريع مع إشارات جديدة بخطوات تدرج قليلة.
الشبكات الفائقة (Hypernetworks): "شبكة تتنبأ بأوزان" الـ INR، حيث تقوم بتخليق التمثيل في تمريرة أمامية واحدة دون الحاجة لتحسين تكراري.

4. النتائج والتطبيقات

تراجع الورقة أداء الـ INR في مهام تطبيقية مختلفة:

التصوير الطبي: تتفوق الـ INRs في إعادة بناء الرنين المغناطيسي (MRI) والتسجيل (registration) من خلال نمذجة التشريح المستمر ومجالات التشوه، مما يجعلها تتعامل مع البيانات المتناثرة والضوضائية بشكل أفضل من شبكات الفوكسل المنفصلة.
تصوير الرادار: تقوم الـ INRs بنمذجة المشهد كدالة مستمرة من الإحداثيات المكانية وزوايا الرؤية، مما يعالج بفعالية الطبيعة المتناثرة وغير المباشرة والمحكومة بالفيزياء لبيانات SAR.
الضغط (Compression): تعمل الـ INRs كـ ترميزات مستمرة (continuous codecs). بدلاً من نقل قيم البكسل، يقوم النظام بنقل أوزان الشبكة (أو رمز كامن لمفكك شفرة مشترك). وهذا يسمح بـ فك تشفير مستقل عن الدقة (الرفع الفائق للدقة عند الاستنتاج).
تمثيل المشهد (NeRF): تمكن الـ INRs من توليد مشاهد جديدة عالية الدقة من خلال تعلم مجال إشعاع حجمي مستمر، متفوقة على طرق الشبكات/الفوكسل الصريحة في التعامل مع الهندسة المعقدة والتأثيرات المعتمدة على زاوية الرؤية.
التصنيف وتقييم الجودة: تعمل أوزان الـ INR أو خرائط الميزات الداخلية كواصفات قوية للتصنيف وتقييم جودة الصورة (IQA)، حيث توفر ثباتاً تجاه الدقة وحساسية تجاه العيوب الهيكلية.

5. الأهمية والتوجهات المستقبلية

الأهمية:
تؤكد الورقة أن الـ INRs ليست مجرد بنية عصبية جديدة، بل هي تحول جذري في معالجة الإشارات. فهي تجسر الفجوة بين نظرية التقريب الكلاسيكية (القواعد، أخذ العينات، إعادة البناء) والتعلم العميق. ومن خلال معاملة الشبكة العصبية كدالة مستمرة، توحد الـ INRs بين التمثيل والحوسبة، مما يسمح بالاشتقاق التحليلي والمرونة في الدقة.

التوجهات المستقبلية والمشكلات المفتوحة:

الفهم النظري: توصيف أفضل للشروط التي تضمن فيها الـ INRs استعادة مستقرة (نظرية التقريب).
هندسة فضاء الأوزان: فهم بنية فضاء المعاملات لتحسين مقاييس التشابه والتدخل بين الإشارات.
القابلية للتوسع: الانتقال من التحسين لكل حالة على حدة إلى النماذج العامة والمستمرة (amortized models) لمجموعات البيانات الكبيرة أو الفيديوهات الطويلة.
الـ INRs الواعية بالفيزياء: دمج القيود الخاصة بالمجال (مثل المعادلات التفاضلية الجزئية PDE، وتقدير عدم اليقين) بشكل أعمق في عملية التعلم للتطبيقات العلمية والطبية.
الإدراك واتخاذ القرار: توسيع نطاق الـ INRs لتتجاوز إعادة البناء لتشمل مهام مثل اكتشاف الأشياء، التتبع، ونماذج العالم للروبوتات.

في الختام، يرى المؤلفون أن الـ INRs تمثل امتداداً مستمراً مُتعلمًا لمعالجة الإشارات، حيث يحدد اختيار التنشيط، والترميز، والبنية فضاء التقريب، مما يوفر إطاراً مرناً وقوياً لتحديات معالجة الإشارات والصور الحديثة.