💻 computer science

BALTIC: A Benchmark and Cross-Domain Strategy for 3D Reconstruction Across Air and Underwater Domains Under Varying Illumination

تقدم هذه الورقة BALTIC، وهو معيار شامل واستراتيجية عابرة للمجالات تقيم طرق إعادة البناء ثلاثي الأبعاد عبر البيئات الجوية وتحت الماء تحت ظروف إضاءة متفاوتة، مما يثبت أن تقنية Gaussian Splatting مع معالجة مسبقة بسيطة يمكن أن تحقق أداءً مقارباً للطرق المتخصصة في البيئات المائية في الإعدادات المنضبطة.

المؤلفون الأصليون: Michele Grimaldi, David Nakath, Oscar Pizarro, Jonatan Scharff Willners, Ignacio Carlucho, Yvan R. Petillot

نُشر 2026-04-22

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Michele Grimaldi, David Nakath, Oscar Pizarro, Jonatan Scharff Willners, Ignacio Carlucho, Yvan R. Petillot

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 بناء نموذج ثلاثي الأبعاد مثالي لحطام سفينة غارقة. لديك كاميرا، وأنت تسبح حول السفينة وتلتقط الصور. لكن تحت الماء، تكون المياه عكرة، والضوء غريبًا، والألوان تبدو باهتة. الأمر يشبه محاولة حل لغز "بازل" (قطع متداخلة) بينما ترتدي نظارات ضبابية في غرفة خافتة الإضاءة.

تقدم هذه الورقة البحثية أداة جديدة تسمى BALTIC لمساعدة الروبوتات والحواسيب على تعلم كيفية بناء هذه النماذج ثلاثية الأبعاد بشكل أفضل، حتى في الظروف السيئة للغاية.

إليك تفاصيل ما قاموا به، باستخدام تشبيهات من الحياة اليومية:

1. المشكلة: تأثير "النظارات الضبابية"

عندما تلتقط صورًا في الهواء (على اليابسة)، يكون الضوء صافيًا والألوان زاهية. الحواسيب بارعة في تحويل هذه الصور إلى نماكل ثلاثية الأبعاد. لكن تحت الماء، القصة مختلفة تمامًا.

الماء يعمل كمرشح (فلتر): فهو يمتص الألوان (مما يجعل كل شيء يبدو أخضر أو أزرق) ويشتت الضوء (مما يجعل الأشياء تبدو ضبابية).
النتيجة: عندما يحاول الحاسوب بناء نموذج ثلاثي الأبعاد من صور تحت الماء، فإنه غالبًا ما يصاب بالارتباك. قد يتفكك النموذج، أو يبدو كأنه شبح، أو يحتوي على ثقوب ضخمة فيه.

2. الحل: "مختبر المسبح" (BALTIC)

لإصلاح ذلك، قام الباحثون ببناء مسبح ضخم ومتحكم به (خزان مائي) في مختبر. فكر في هذا كأنه صالة ألعاب رياضية للتدريب للروبوتات.

أنشأوا 13 سيناريو مختلفًا داخل هذا الخزان.
قاموا بتغيير الإضاءة (شمس ساطعة، مصاب_يح اصطناعية، أو مزيج بينهما).
قاموا بتغيير حالة الماء (صافٍ، أو عكر مع وجود "سحب" لمحاكاة المحيط).
حركوا الكاميرا بأنماط مختلفة (مثل حركة آلة قص العشب ذهابًا وإيابًا، أو مثل طائر يطير بحرية).
السلاح السري: استخدموا نظام تتبع عالي التقنية (مثل تلك المستخدمة في ألعاب الواقع الافتراضي VR) لمعرفة مكان الكاميرا بالضبط في كل لحظة. منحهم هذا "مفتاح الإجابة" للتأكد مما إذا كان النموذج ثلاثي الأبعاد الذي بناه الحاسوب صحيحًا بالفعل.

3. التجربة: اختبار "المحققين"

اختبروا ثلاثة أنواع مختلفة من "المحققين" الحاسوبيين (الخوارزميات) لمعرفة أيهم يستطيع حل لغز الـ 3D بأفضل طريقة:

المحقق التقليدي (COLMAP): رائع على اليابسة، لكنه يرتبك بسهولة تحت الماء. إنه مثل محقق لا يستطيع حل الجرائم إلا في ضوء النهار الساطع.
الفنانون من الذكاء الاصطناعي (NeRF & Gaussian Splatting): هذه طرق أحدث وأكثر ذكاءً تتعلم كيفية "رسم" المشهد. لقد قدموا أداءً أفضل، لكنهم لا يزالون يعانون عندما تكون المياه عكرة جدًا.
الغواصون المتخصصون: اختبروا أيضًا طرقًا مصممة خصيصًا للاستخدام تحت الماء.

4. الاكتشاف الكبير: "الإنقاذ من الجو إلى البحر"

هذا هو الجزء الأكثر إثارة. وجد الباحثون حيلة ذكية لمساعدة المحققين تحت الماء.

تخيل أنك تحاول رسم صورة لمرساة صدئة تحت الماء، لكنك بالكاد تستطيع رؤيتها.

الحيلة: قبل الغوص، تلتقط بضع صور لنفس المرساة وهي موجودة في الهواء (على اليابسة) تحت إضاءة مشابهة.
السحر: تقوم بتغذية الحاسوب بتلك الصور الواضحة والجافة مع الصور الضبابية التي التقطتها تحت الماء.
النتيجة: يستخدم الحاسوب الصور "الجافة" الواضحة كـ خريطة لفهم شكل ولون الجسم. ثم يستخدم تلك المعرفة لـ "ملء الفراغات" في الصور الضبابية تحت الماء.

الأمر يشبه إعطاء محقق صورة واضحة لوجه المشتبه به قبل أن تطلب منه التعرف على المشتبه به من خلف نافذة ضبابية. فجأة، يصبح إعادة البناء حادًا، مكتملًا، ودقيقًا.

5. الحكم النهائي

تحت الماء أمر صعب: حتى أفضل الحواسيب تعاني لبناء نماذج ثلاثية الأبعاد من الصور تحت الماء وحدها لأن الماء يخفي التفاصيل.
الاستعداد يؤتي ثماره: إذا التقطت بعض الصور في الهواء أولاً، يمكنك تحسين النموذج ثلاثي الأبعاد تحت الماء بشكل كبير.
الإصلاحات البسيطة تساعد: مجرد ضبط الألوان (توازن اللون الأبيض) وزيادة تباين الصور قبل تقديمها للحاسوب يساعد كثيرًا.

لماذا يهم هذا؟

هذا ليس مج بحثًا عن صنع نماذج ثلاثية الأبعاد رائعة فحسب. هذه التكنولوجيا تساعد:

علماء الأحياء البحرية: لرسم خرائط للشعاب المرجانية دون لمسها.
علماء الآثار: لاستكشاف حطام السفن دون إتلافها.
المهندسين: لفحص خطوط الأنابيب تحت الماء ومنصات النفط للعثور على الشقوق أو التسريبات.

باختًا: تقول الورقة البحثية: "لا تحاول حل لغز تحت الماء بمفردك. أحضر معك بعض الصور الواضحة من السطح كـ 'ورقة غش'، وستبني خريطة ثلاثية الأبعاد أفضل بكثير لأعماق البحار".

إليك ملخص تقني مفصل للورقة البحثية بعنوان "BALTIC: معيار استراتيجية عبر المجالات لإعادة البناء ثلاثي الأبعاد عبر نطاقي الجو والماء تحت ظروف إضاءة متغيرة."

1. بيان المشكلة

تعد إعادة البناء ثلاثي الأبعاد القوي أمراً بالغ الأهمية للروبوتات البحرية، وعلم الآثار تحت الماء، وفحص البنية التحتية. ومع ذلك، فإن الطرق الحالية (مثل Structure-from-Motion وNeRF و3D Gaussian Splatting) يتم تقييمها في الغالب في بيئات هوائية محكومة ذات إضاءة مستقرة. وهي تعاني بشكل كبير عند الانتقال إلى السيناريوهات المائية أو العابرة للمجالات (من الهواء إلى الماء) بسبب:

التدهور البنيوي: يؤدي تشتت الضوء، والامتصاص، والعكارة إلى تقليل التباين واتساق الألوان.
التشوهات الهندسية: الانكسار عند الواجهة بين الهواء والماء.
تباين الإضاءة: التحولات بين مصادر الإضاءة الطبيعية (ضوء الشمس)، والاصطناعية، والمختلطة.
نقص المعايير (Benchmarks): غالباً ما تعزل مجموعات البيانات الحالية عوامل منفردة (مثل الحركة أو الإضاءة) وتفتقر إلى التباين المنهجي عبر الأوساط والإضاءة، مما يجعل من الصعب تقييم متانة إعادة البناء أو مقارنة الطرق في ظل ظروف واقعية.

2. المنهجية

أ. معيار BALTIC

قدم المؤلفون BALTIC، وهو معيار مفتوح المصدر ومحكوم مصمم لتقييم إعادة البناء ثلاثي الأبعاد بشكل منهجي.

الإعداد: حوض مائي مخصص ( $2.2 \times 1 \times 0.8$ متر) مجهز بكاميرا أحادية العدسة داخل منفذ قبة (dome port) ونظام تتبع حركة HTC Vive لتقدير الوضعية بدقة (متوسط خطأ في الإزاحة < 3 مم، وفي الدوران < 0.3 درجة).
تكوين البيانات: 13 مجموعة بيانات (E1–E13) تتنوع عبر:
- الوسط: هواء مقابل ماء (محاكاة لظروف بحر البلطيق باستخدام الصبغات وMaalox لتمثيل التشتت).
- الإضاءة: اتجاهية (ضوء الشمس)، اصطناعية، ومختلطة.
- المسار: "نمط جزازة العشب" (منظم) مقابل المسح ثلاثي الأبعاد الحر.
المعايرة: تم استخدام مخطط معايرة صارم لتصحيح الصور إلى تمثيل "ثقب الإبرة" (pinhole) مشترك، مما يعزل التحديات الإشعاعية (التشتت/الامتصاص) عن أخطاء الانكسار الهندسية.

ب. مسار التقييم

قيمت الدراسة مساراً قياسياً وطرقاً متقدمة تعتمد على التعلم:

إعادة البناء المتفرقة (Sparse Reconstruction): استخدمت COLMAP لـ Structure-from-Motion (SfM) لتقدير وضعيات الكاميرا والسحب النقطية المتفرقة.
إعادة البناء الكثيفة (Dense Reconstruction): استخدمت مخرجات COLMAP كمدخلات لكل من:
- حقول الإشعاع العصبية (NeRF): وتحديداً Nerfacto وSeaThru-NeRF.
- النماذج الغاوسية ثلاثية الأبعاد (3DGS): وهي 3DGS الأساسية، وWaterSplat، وSeaSplat.
استراتيجية عبر المجالات (Cross-Domain Strategy): بحثت في تعزيز التسلسلات المائية بمجموعة دنيا من الصور الملتقطة في الهواء تحت إضاءة مماثلة لتوفير الأولويات الهندسية والإشعاعية.

ج. المقاييس

تم تقييم الأداء باستخدام:

الهندسية: خطأ المسار المطلق (ATE)، خطأ الوضعية النسبي (RPE)، إحصائيات الشبكة (المساحة السطحية، الانحناء)، ومحاذاة السحابة النقطية (مسافة Chamfer، ولياقة ICP).
الضوئية/الإدراكية: PSNR، SSIM، وLPIPS.
دقة الألوان: فروقات $\Delta E$ في فضاء ألوان CIE Lab.

3. المساهمات الرئيسية

معيار BALTIC: أول مجموعة بيانات محكومة تغير الوسط (هواء/ماء)، والإضاءة (طبيعية/اصطناعية/مختلطة)، وأنماط الحركة بشكل منهجي، مع مسارات دقيقة للحقيقة الأرضية (ground-truth).
تقييم شامل: مقارنة منهجية لطرق SfM وNeRF و3DGS، مع تسليط الضوء على أوجه الفشل الخاصة بها (مثل التجزئة في الأوساط المشتتة) وحدود المتانة.
استراتيجية إعادة البناء عبر المجالات: نتيجة مبتكرة مفادها أن تعزيز التسلسلات المائية بعدد قليل من الصور الملتقطة في الهواء يحسن جودة إعادة البناء بشكل كبير، مما يوفر استراتيجية عملية ومنخفضة التكلفة للنشر في العالم الحقيقي.

4. النتائج الرئيسية

أ. SfM وإعادة البناء المتفرقة

الهواء مقابل الماء: يعمل COLMAP بشكل موثوق في الهواء (كثيف ومتسق). أما في الماء، فينخفض الأداء بشكل حاد بسبب فقدان الميزات، مما يؤدي إلى سحب نقطية متفرقة، ومسارات ميزات أقصر، وإعادة بناء مجزأة (خرائط فرعية متعددة).
المعالجة المسبقة: أدت المعالجة المسبقة البسيطة (القص إلى مخاريط الضوء، وتعزيز تباين CLAHE) إلى تحسين تسجيل SfM تحت الماء، مما قلل من التجزئة.
دقة المسار: أظهرت التسلسلات المائية قيم ATE وRPE أعلى مقارنة بالهواء. ومع ذلك، فإن إعادة البناء عبر المجالات (E14) (التي تجمع بين E12 تحت الماء وE6 في الهواء) قللت من الانحراف وحسنت المحاذاة، مما يثبت أن الرؤى في الهواء تعمل على تثبيت المسار.

ب. إعادة البناء الكثيفة (NeRF و3DGS)

ترتيب الأداء: حققت النماذج الغاوسية ثلاثية الأبعاد (3DGS) مع المعالجة المسبقة الأساسية (توازن اللون الأبيض) باستمرار أعلى قيم PSNR وSSIM عبر معظم مجموعات البيانات، متفوقة على متغيرات NeRF المائية المتخصصة في كثير من الحالات.
تأثير الإضاءة: أعطت الإضاءة الاصطناعية (E12) نتائج أفضل عموماً من ظروف ضوء الشمس فقط تحت الماء (E8) بسبب التحكم في الإضاءة الذي يخفف من آثار التشتت.
تأثير عبر المجالات: أظهرت مجموعة البيانات عبر المجالات (E14) مقاييس متفوقة مقارنة بالبيانات المائية الصرفة (E12)، مع قيم PSNR/SSIM أعلى وLPIPS أقل، مما يؤكد أن الرؤى في الهواء تثبت الهندسة وتحسن الدقة الإدراكية.

ج. استعادة الألوان

أظهرت الطرق المتخصصة مثل WaterSplat وSeaSplat تصحيحاً لونياً إدراكياً قوياً (استعادة التباين والمعلومات الكروماتية) ولكنها أظهرت أخطاء متوسط $\Delta E$ أعلى مقارنة بـ SeaThru-NeRF، الذي وفر انتقالات أكثر سلاسة.
أدى معالجة توازن اللون الأبيض البسيطة إلى تحسين PSNR بشكل ملحوظ، ولكنه أدى أحياناً إلى تدهور المقاييس الإدراكية (LPIPS)، مما يسلط الضوء على المقايضة بين الدقة على مستوى البكسل والاتساق الهيكلي.

5. الأهمية والخاتمة

استراتيجية عملية: تثبت الورقة أن التعزيز عبر المجالات هو استراتيجية فعالة للغاية وخفيفة الوزن. إن الحصول على عدد قليل من الصور في الهواء قبل النشر تحت الماء يمكن أن يعمل كـ "مرساة هندسية"، مما يحسن بشكل كبير اكتمال إعادة البناء واستقرار المسار دون الحاجة إلى نماذج فيزيائية معقدة أو إعادة تدريب.
متانة الطريقة: يمكن للطرق القياسية مثل 3D Gaussian Splatting، عند اقترانها بمعالجة مسبقة بسيطة، أن تضاهي الطرق المائية المتخصصة في البيئات المحكومة، مما يتحدى فكرة أن النماذج الفيزيائية المعقدة ضرورية دائماً.
القيود والعمل المستقبلي: يقتصر هذا المعيار حالياً على بيئة خزان محكومة. يهدف العمل المستقبلي إلى توسيع النطاق ليشمل بيئات واقعية في الموقع، ودمج ظروف مائية متنوعة، ودمج نماذج الرندرة القائمة على الفيزياء بشكل أوثق مع إعادة البناء الهندسي.

باختصار، يوفر BALTIC إطاراً قابلاً للتكرار لتحليل حدود إعادة البناء ثلاثي الأبعاد الحالي في البيئات البحرية، ويؤكد أن دمج البيانات عبر المجالات هو حل عملي وحاسم للتغلب على التدهور البصري المتأصل في الروبوتات تحت الماء.