Beyond Binary Contrast: Modeling Continuous Skeleton Action Spaces with Transitional Anchors

إليك ملخص تقني مفصل لورقة البحث بعنوان "Beyond Binary Contrast: Modeling Continuous Skeleton Action Spaces with Transitional Anchors" (TranCLR).

1. بيان المشكلة

تعتمد طرق التعلم التبايني ذاتي الإشراف الحالية للتعرف على الأفعال القائمة على الهياكل العظمية (Skeleton-based action recognition) بشكل كبير على أهداف التباين الثنائي (سحب الأزواج الإيجابية معاً ودفع الأزواج السلبية بعيداً). يرى المؤلفون أن هذا النهج يعاني من قصورين جوهريين فيما يتعلق بطبيعة الحركة البشرية:

• تجزؤ عناقيد الميزات (Fragmented Feature Clusters): تعامل أهداف التباين الثنائي الرؤى المعززة لنفس الفعل باعتبارها "إيجابيات" فقط، مما يترك عينات متميزة من نفس الفعل غير مرتبطة ببعضها. هذا يؤدي إلى تجزئة العناقيد داخل الفئة الواحدة.
• الحدود الطبقية الجامدة (Rigid Class Boundaries): من خلال الفصل الصارم بين الأفعال المختلفة كأهداف سلبية، يتجاهل النموذج الاستمرارية الجوهرية للحركة البشرية. فغالباً ما تتطور الأفعال تدريجياً وتتشارك في حركات فرعية (مثل الانتقال من "المشي" إلى "الجري"). يخلق التباين الثنائي حدود قرار جامدة، مما يؤدي إلى سوء المعايرة، وعدم موثوقية درجات الثقة، والفشل في التعامل مع العينات الغامضة أو الانتقالية.

2. المنهجية: إطار عمل TranCLR

يقترح المؤلفون TranCLR (التعلم التبايني القائم على المرتكزات الانتقالية)، والذي ينقل النموذج من التماثل الثنائي المنفصل إلى نموذج تمثيل مستمر ومدرك للطوبولوجيا. يتكون الإطار من مكونين أساسيين:

أ. بناء المرتكزات الانتقالية للأفعال (ATAC)

بدلاً من معاملة العينات كنقاط معزولة، يقوم ATAC بتخليق مرتكزات انتقالية (Transitional Anchors) — وهي نقاط طريق وسيطة بين عينات الأفعال — لنمذجة المخطط الهندسي لانتقالات الأفعال. تعمل هذه المرتكزات كمنظمات للمخطط (Manifold Regularizers) بدلاً من كونها وضعيات حقيقية (Ground-truth poses).

• الاستيفاء المساري العالمي (Global Trajectory Interpolation): مستوحى من تقنية Mixup، حيث يقوم هذا الأسلوب بإنشاء مسار عالمي سلس عبر الاستيفاء الخطي بين عينتين من الأفعال ($X_i$ و $X_j$) في مخطط البيانات.
• الاستبدال المكاني-الزماني المحلي (Local Spatio-temporal Substitution): للحفاظ على التفاصيل الحركية الدقيقة التي قد تبهت بسبب الاستيفاء العالمي، يقوم هذا الأسلوب بتفكيك الهيكل العظمي إلى أجزاء الجسم (الأذرع، الأرجل، الجذع). ويقوم باختيار أجزاء ونوافذ زمنية عشوائية لاستبدال المتواليات الفرعية من فعل ما بآخر، مما يخلق انتقالاً منطقياً محلياً.
• الاختيار الديناميكي (Dynamic Selection): يختار النموذج ديناميكياً بين المرتكزات العالمية والمحلية باحتمالية متساوية لتعريض الشبكة لأنواع متنوعة من الانتقالات.

ب. معايرة المخطط الهندسي متعدد المستويات (MGMC)

يستفيد MGMC من المرتكزات الانتقالية لفرض اتساق طوبولوجي عبر ثلاثة مستويات، محولاً فضاء التضمين من مجرد مجموعة من النقاط إلى مخطط سلس:

1. الاستمرارية داخل العينة (Intra-Sample Continuity): تضمن أن الرؤى المعززة لنفس الفعل تحافظ على تماسك محلي. يقوم النموذج بمحاذاة تضمين مرتكز داخل العينة مع الاستيفاء الخطي للرؤيتين المعززتين.
2. التجسير الدلالي بين العينات (Inter-Sample Semantic Bridging): يعالج الحدود الجامدة بين فئات الأفعال المختلفة. حيث ينشئ مرتكزاً بين عينات مختلفة ويقوم بمحاذاته مع الاستيفاء بين تضميناتها، مما يلطف الحدود ويسمح بانتقالات دلالية تدريجية.
3. الاتساق العلاقي بين المرتكزات (Cross-Anchor Relational Consistency): منظم عالمي يضمن أن المواقع النسبية للمرتكزات نفسها متسقة. فهو يفرض قيوداً هندسية على أزواج المرتكزات الناتجة من نفس العينات الأصلية ولكن بمعاملات خلط مختلفة، مما يحسن الطوبولوجيا العالمية.

ج. استراتيجية المحاذاة الناعمة (Soft Alignment Strategy)

لحل النزاعات بين أهداف المعايرة المختلفة (مثل التماسك داخل الفئة مقابل الاستمرارية بين الفئات)، استبدل المؤلفون عمليات المحاذاة الصلبة (مثل InfoNCE) باستراتيجية محاذاة ناعمة تعتمد على تقطير المعرفة. تستخدم هذه الاستراتيجية تباعد KL مع درجات حرارة غير متماثلة لمحاذاة توزيعات الاحتمالية لأقرب $K$ من الجيران، مما يضمن استقرار التدريب ويحافظ على العلاقات المحلية ذات المعنى.

3. المساهمات الرئيسية

• تحول في النموذج (Paradigm Shift): يقترح الانتقال من التباين الثنائي المنفصل إلى تمثيل مستمر ومدرك للطوبولوجيا ينمذج صراحةً الاستمرارية الكامنة للحركة البشرية.
• آليات مبتكرة: قدم ATAC لبناء المرتكزات الانتقالية و MGMC لمعايرة مخطط الميزات عبر مستويات العينة، وبين العينات، وبين المرتكزات.
• الوعي بعدم اليقين (Uncertainty Awareness): ينتج الأسلوب تمثيلات ليست دقيقة فحسب، بل أيضاً معايرة جيداً، مما يوفر تقديرات موثوقة لعدم اليقين في الأفعال الغامضة أو الانتقالية.
• أداء رائد (State-of-the-Art Performance): أظهر أداءً فائقاً عبر التقييم الخطي، والتعلم بنقل المعرفة، واسترجاع الأفعال، ومقاييس المعايرة.

4. النتائج التجريبية

تم تقييم الطريقة على مجموعات بيانات NTU RGB+D، و NTU RGB+D 120، و PKU-MMD.

• التقييم الخطي (Linear Evaluation): حققت TranCLR نتائج رائدة جديدة (SOTA).
  • في NTU-120 X-Sub، حققت 74.3% (Joint)، متفوقة على أفضل النتائج السابقة (ActCLR) بنسبة 5.3%.
  • في إعداد التدفق المتعدد (3s-TranCLR)، حققت 88.5% على NTU-60 و 78.9% على NTU-120.
• التعلم بنقل المعرفة (Transfer Learning): عند التدريب المسبق على NTU-60 والاختبار على مجموعة PKU-MMD Part II الصعبة، حققت TranCLR دقة قدرها 65.6%، متفوقة على المنافسين الأقوياء مثل Heter-Skeleton (64.3%) والطرق القائمة على إعادة البناء.
• استرجاع الأفعال (Action Retrieval): حققت نتائج رائدة على NTU-60 X-Sub (74.6%) و NTU-120 X-Sub (59.1%)، مما يدل على وجود فضاء ميزات عالي التمييز.
• تحليل المعايرة (Calibration Analysis): هذه نقطة بارزة رئيسية. قللت TranCLR بشكل كبير من خطأ المعايرة المتوقع (ECE).
  • في NTU-120 X-Set، انخفض ECE من 5.63% (ActCLR) إلى 0.65% (TranCLR)، أي انخفاض نسبي بنسبة 88%. وهذا يشير إلى أن النموذج أقل ثقة مفرطة في العينات غير المؤكدة.

5. الأهمية

يعالج TranCLR فجوة حرجة في التعرف على الأفعال القائمة على الهياكل العظمية: وهي التبسيط المخل للحركة البشرية كفئات منفصلة. من خلال نمذجة الهندسة المستمرة لفضاء الأفعال، يقوم الإطار بـ:

1. تحسين المتانة (Robustness): يعمل بشكل أفضل مع العينات "الصعبة"، والمدخلات الضبابية، والانتقالات الغامضة حيث تفشل الأساليب الثنائية.
2. تعزيز الموثوقية: يوفر تقديرات موثوقة لعدم اليقين، وهو أمر بالغ الأهمية للتطبيقات الواقعية مثل إعادة التأهيل الطبي والتفاعل بين الإنسان والحاسوب حيث تكون التكاليف المترتبة على النتائج الإيجابية أو السلبية الخاطئة عالية.
3. القدرة على التعميم بشكل أفضل: يمنع هيكل المخطط السلس الإفراط في التخصيص (Overfitting) لتوزيعات بيانات محددة، مما يؤدي إلى قدرات فائقة في نقل المعرفة عبر مجموعات البيانات المختلفة.

باختصار، يعيد TranCLR تعريف التعلم ذاتي الإشراف للهياكل العظمية من خلال التعامل مع التعرف على الأفعال ليس كتصنيف لنقاط ثابتة، بل كملاحة في مخطط حركة مستمر ومتسق طوبولوجياً.