Long-tail Internet photo reconstruction
لمعالجة تحدي إعادة بناء المشاهد ثلاثية الأبعاد من صور الإنترنت الشحيحة والمشوشة، قدم المؤلفون MegaDepth-X، وهو مجموعة بيانات واسعة النطاق لإعادة البناء ثلاثي الأبعاد الكثيف، واستراتيجية أخذ عينات متخصصة تمكن نماذج التأسيس ثلاثية الأبعاد من تحقيق إعادة بناء قوية في سيناريوهات البيانات المنخفضة والطرفية دون فقدان القدرة على التعميم.
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 حل أحجية (بازل) ثلاثية الأبعاد ضخمة لمعلم شهير، مثل برج إيفل.
المشكلة: فجوة "المشهور مقابل المنسي"
في عالم الصور على الإنترنت، هناك نوعان من الأماكن:
- النجوم الخارقون: أماكن مثل الكولوسيوم. الملايين من الناس يلتقطون صوراً لها من كل زاوية ممكنة. وبسبب وجود كم هائل من البيانات، تستطيع الحواسيب بسهولة "ربط" هذه الصور معاً لإنشاء نموذج ثلاثي الأبعاد مثالي.
- "الذيل الطويل" (الأماكن المنسية): معظم الأماكن على الأرض ليست "نجوماً خارقين". فكر في سرداب قديم صغير في إيطاليا أو دير ناءٍ. قد توجد خمس أو عشر صور فقط لهذه الأماكن على الإنترنت بأكمله. وغالباً ما تكون هذه الصور ضبابية، أو ملتقطة من زوايا غريبة، أو لا تتداخل فيما بينها كثيراً.
استعارة "الأحجية المكسورة":
نماذج الذكاء الاصطناعي الحالية تشبه حلالي الأحجيات الخبراء الذين تدربوا فقط على مجموعات مكونة من 1000 قطعة لبرج إيفل. عندما تقدم لهم أحجية من "الذيل الطويل" — والتي تحتوي فقط على 10 قطع، بعضها من علبة أخرى وبعضها ضبابي — فإنهم يتجمدون تماماً. فإما أن يفشلوا في بناء أي شيء، أو يقومون بلصق القطع الخاطقة ببعضها عن طريق الخطأ.
الحل: استراتيجية "ندرة المحاكاة"
أدرك الباحثون أنه لا يمكنهم مجرد "إيجاد" المزيد من الصور لهذه الأماكن الغامضة لتدريب الذكاء الاصطعي (لأن تلك الصور غير موجودة!). بد instead، ابتكروا حيلة ذكية.
تشبيه "الطاهي الماهر":
تخيل أنك تريد تدريب طاهٍ على طهي وجبة لذيذة باستخدام عدد قليل فقط من المكونات العشوائية الموجودة في خزانة طعام فوضوية. لا يمكنك إجبار الناس على ترك مكونات عشوائية في خزائنهم، لذا بدلاً من ذلك، تأخذ وليمة فاخرة ومعدة بإتقان (المعالم "النجوم الخارقة") ثم تتخلص من أجزاء منها عن قصد.
تأخذ نموذجاً ثلاثي الأبعاد عالي الجودة لكاتدرائية نوتردام وتقول للذكاء الاصطناعي: "حسناً، سأعرض عليك ثلاث صور عشوائية فقط، ملتقطة من زوايا سيئة. الآن، حاول إعادة بناء الشيء بأكمله."
من خلال "كسر" البيانات المثالية عن قصد، فإنهم يخلقون "صالة تدريب رياضية" تحاكي فوضى الإنترنت في العالم الحقيقي.
السلاحان السريان
لجعل هذا الأمر ينجح، بنى الفريق أداتين محددتين:
- MegaDepth-X (الكتاب المدرسي عالي الجودة): أنشأوا مجموعة بيانات ضخمة ونظيفة للغاية. لم يأخذوا أي صور فحسب؛ بل استخدموا رياضيات متقدمة لـ "تنظيف" خرائط العمق، وإزالة الأجسام "الشبحية" مثل الأشخاص المتحركين أو السيارات التي عادة ما تشتت انتباه الذكاء الاصطناعي. إنه يشبه إعطاء الطالب كتاباً مدرسياً حيث كل الرسوم التوضيحية مرسومة ومصنفة بدقة مثالية.
- أخذ العينات المدرك للندرة (رحلة "الباحث الذكي" عن الكنز): عندما "نكسر" النماذج المثالية لتدريب الذكاء الاصطناعي، فنحن لا نختار الصور عشوائياً. بل نستخدم خوارزمية ذكية لاختيار صور متباعدة بعيدة عن بعضها البعض وتنظر إلى الجسم من زوايا واسعة وصعبة. هذا يجبر الذكاء الاصطناعي على تعلم كيفية "سد الفجوة" بين المشاهد المتباعدة.
النتيجة: ذكاء اصطناعي أكثر قوة
لأنهم دربوا الذكاء الاصطناعي على هذه الأحجيات "المكسورة عمداً"، أصبح الذكاء الاصطناعي أكثر صلابة.
- إنه يتعامل مع "الشبيه": إذا كان للمبنى برجان متشابهان تماماً، فإن الذكاء الاصطناعي القديم كان يرتبك ويدمجهما في كتلة واحدة غريبة. هذا الذكاء الاصطناعي الجديد يمكنه التمييز بينهما.
- يعمل مع الحد الأدنى من البيانات: حتى عندما يكون للمكان صور قليلة جداً، يمكن للذكاء الاصطناعي الآن "تخيّل" الهيكل ثلاثي الأبعاد الصحيح بدقة أعلى بكثير.
باخت de مختصر: بدلاً من انتظار العالم ليزودهم بمزيد من البيانات، علم الباحثون الذكاء الاصطناعي كيف يكون محققاً ماهراً، قادراً على رؤية الصورة الكاملة حتى عندما لا تتبقى سوى بعض الأدلة الضبابية القليلة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.