🤖 AI

APEX: Assumption-free Projection-based Embedding eXamination Metric for Image Quality Assessment

يُعد APEX إطار عمل مبتكرًا لتقييم جودة الصور لا يعتمد على افتراضات مسبقة، حيث يستفيد من مسافة "واسرستينين" المقطعة (Sliced Wasserstein Distance) مع نماذج تأسيسية ذات مفردات مفتوحة (CLIP وDINOv2) للتغلب على قيود مقاييس توزيع السمات التقليدية، مما يوفر متانة واستقرارًا فائقين عبر مجموعات البيانات المتنوعة.

المؤلفون الأصليون: Caterina Gallegati, Monica Bianchini, Franco Scarselli, Vittorio Murino, Barbara Toniella Corradini

نُشر 2026-05-11

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Caterina Gallegati, Monica Bianchini, Franco Scarselli, Vittorio Murino, Barbara Toniella Corradini

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 قاضٍ في مسابقة طبخ، حيث يقوم الطهاة (نماذج الذكاء الاصطناعي التوليدي) بإعداد أطباق جديدة مذهلة (صور) تبدو وكأنها لا يمكن تمييزها عن الطعام الحقيقي. مهمتك هي تذوق هذه الأطباق والتقرير: "هل هذا الطبق جيد؟ هل هو أفضل من الطبق السابق؟"

لفترة طويلة، كان القضاة يستخدمون قائمة مراجعة قديمة وجامدة للغاية لتقييم هذه الأطباق. كانوا ينظرون إلى المكونات (البكسلات) ويتأكدون مما إذا كانت تطابق وصفة محددة من كتاب طبخ يعود لفترة التسعينيات (Inception-v3 المدرب على ImageNet).

المشكلة:
تجادل الورقة البحثية بأن قائمة المراجعة القديمة هذه تعاني من عيبين كبيرين:

مشكلة "القائمة المغلقة": قائمة المراجعة القديمة لا تعرف سوى المكونات الموجودة في كتاب طبخها المحدد من فترة التسعينيات. إذا صنع طاهٍ طبقاً مستقبلياً بمكونات لم يرها الكتاب القديم أبداً، فستصاب قائمة المراجعة بالارتباك أو تعطي درجة سيئة، حتى لو كان الطبق لذيذاً.
مشكلة "الرياضيات الجامدة": تفترض قائمة المراجعة القديمة أن جميع الأطباق تتبع شكل منحنى جرس (Bell-curve) مثالي ومتوقع. لكن الطبخ الحقيقي (والصور الناتجة عن الذكاء الاصطناعي الحقيقي) فوضوي ومعقد. إن إجبار الواقع الفوضوي على قالب رياضي جامد يؤدي إلى درجات خاطئة.

مؤخراً، حاول بعض القضاة استخدام كتاب طبخ أحدث وأكثر رقيًا (النماذج التأسيسية مثل CLIP و DINOv2) لفهم المكونات الحديثة. لكنهم استمروا في استخدام نفس الرياضيات الجامدة لتقييمها. الأمر يشبه امتلاك قائمة طعام حديثة ولكن مع الاستمرار في استخدام مسطرة من التسعينيات تنحني في الاتجاه الخاطئ.

الحل: APEX

يقدم المؤلفون APEX (الفحص القائم على الإسقاط الخالي من الافتراضات - Assumption-free Projection-based Embedding eXamination). فكر في APX كمنظومة تحكيم جديدة وذكية جداً تمتلك قوتين خارقتين رئيسيتين:

1. خدعة "خيال الظل" (القائمة على الإسقاط):
بدلاً من محاولة قياس الشكل ثلاثي الأبعاد للطبق بالكامل في وقت واحد (وهو أمر صعب ويتطلب افتراضات جامدة)، يستخدم APEX خدعة ذكية. تخيل تسليط الضوء على منحوتة معقدة لإلقاء ظلها على حائط.

يقوم APEX بتسليط الضوء من آلاف الزوايا المختلفة (الإسقاطات).
يقيس الظل (الشريحة أحادية البعد) في كل مرة.
يقوم بمتوسط كل تلك الظلال للحصول على إحساس حقيقي بالشكل.
لماذا يهم هذا: هذه الطريقة لا تفترض أن المنحوتة عبارة عن كرة أو مكعب مثالي. إنها تقيس الشكل كما هو بالفعل، مهما كان غريباً أو معقداً. إنها طريقة "خالية من الافتراضات".

2. "المترجم العالمي" (النماذج التأسيسية):
بدلاً من استخدام كتاب طبخ التسعينيات القديم، يستخدم APEX مترجمين حديثين فائقَي الذكاء:

CLIP: مترجم يفهم كيف ترتبط الصور باللغة (رائع لسؤال: "هل يبدو هذا مثل قطة؟").
DINOv2: مترجم يفهم الأنسجة والأشكال والتفاصيل الدقيقة (رائع لسؤال: "هل يبدو هذا الفراء واقعياً؟").
يستخدم APEX هؤلاء المترجمين لفهم "نكهة" الصورة، ثم يستخدم خدعة "خيال الظل" لمقارنة الصورة المولدة بالصور الحقيقية.

ما وجده المؤلفون (اختبار التذوق)

وضع المؤلفون APEX تحت الاختبار مقابل القضاة القدامى (FID, KID) والقضاة الجدد ولكن لا يزالون جامدين (CMMD). لقد اختبروه على:

صور طبيعية (مثل حديقة).
وجوه (مثل شخص مشهور).
مسحات طبية (مثل الأشعة السينية).
صور أقمار صناعية (مثل منظر لمدينة من الفضاء).

النتائج:

الاستقرار: كان القضاة القدامى مثل اليد المرتعشة؛ إذا عرضت عليهم نفس الصورة مرتين مع تغيير طفيف، فقد يعطون درجات مختلفة تماماً. أما APX فكان ثابتاً ومتسقاً، مثل الصخرة.
العدالة عبر المجالات: كان القضاة القدامى بارعين في تقييم الوجوه لكنهم سيئون جداً في تقييم الأشعة السينية أو صور الأقمار الصناعية. أما APEX فكان بارعاً بالتساوي في تقييم جميع هذه المجالات. لم يرتبك بتغير موضوع الصورة.
الحساسية: عندما قام طهاة الذكاء الاصطناعي بتحسين أطباقهم ببطء (بإضافة المزيد من التفاصيل خطوة بخطوة)، كان APEX الوحيد الذي لاحظ تلك التحسينات الطفيفة والدقيقة في النهاية. غالباً ما كان القضاة القدامى يعلقون أو حتى يظنون أن الطبق أصبح أسوأ بينما كان في الواقع يتحسن.
الاتفاق مع البشر: عندما قام بشر حقيقيون بتقييم الصور، تطابقت درجات APEX مع آراء البشر بشكل شبه مثالي، وغالباً ما كان ذلك أفضل من "المعيار الذهبي" المعترف به (FID).

الخلاصة

تزعم الورقة البحثية أن APEX هو طريقة أفضل لتقييم الصور المولدة بالذكاء الاصطناعي لأنه يتوقف عن إجبار الصور على الدخول في صناديق قديمة وجامدة. بدلاً من ذلك، يستخدم أدوات حديثة ومرنة للنظر إلى الصور من كل زاوية ممكنة، مما يضمن أن الدرجة تعكس ما تبدو عليه الصورة حقاً، سواء كانت وجهاً، أو ورماً، أو صورة من قمر صناعي. إنه قاضٍ أكثر صدقاً، واستقراراً، وتوافقاً مع البشر لمستقبل الفن المولد بالذكاء الاصطناعي.

ملخص تقني: APEX (فحص التضمين القائم على الإسقاط الخالي من الافتراضات)

1. بيان المشكلة

وصل تقييم النماذج التوليدية إلى منعطف حرج حيث تكافح المقاييس التقليدية لمواكبة الدقة البصرية غير المسبوقة في عمليات التخليق الحديثة. تواجه المعايير الذهبية الحالية، مثل مسافة فريدشيه للإنتربشن (FID) ومسافة كيرنل للإنتربشن (KID)، عقبتين أساسيتين:

عنق زجاجة المفردات المغلقة: تعتمد هذه المقاييس على مستخرجات الميزات (مثل Inception-v3) المدربة حصريًا على ImageNet. وبناءً على ذلك، فهي تفتقر إلى الثراء الدلالي والمواءمة مع العالم المفتوح اللازمة لتقييم النماذج متعددة الوسائط الحديثة أو المجالات المتنوعة مثل التصوير الطبي والاستشعار عن بعد.
التحيز الافتراضي: تعتمد المقايب الحالية على صياغات إحصائية جامدة. يفترض FID أن تضمينات الصور الحقيقية والاصطناعية تتبع توزيعات غاوسية (توزيع طبيعي)—وهي فرضية ثبت خطؤها تجريبيًا في الفضاءات الكامنة متعددة الأنماط وعالية الأبعاد. أما KID فيعتمد على مسافة التباعد المتوسط الأقصى (MMD) مع كيرنلات متعددة الحدود، مما يؤدي إلى حساسية مفرطة تجاه اختيار المعلمات الفائقة للكيرنل.

بينما استبدلت البدائل الحديثة نموذج Inception-v3 بنماذج تأسيسية (مثل CLIP و DINOv2) لمعالجة عقبة الميزات، إلا أنها غالبًا ما تحتفظ بالافتراضات الإحصائية الإشكالية (على سبيل المثال، لا يزال CMMD يستخدم MMD)، مما يترك المجال دون إطار تقييم قوي وخالٍ من الافتراضات.

2. المنهجية

يقترح المؤلفون APEX (فحص التضمين القائم على الإسقاط الخالي من الافتراضات)، وهو إطار عمل مصمم لقياس جودة الصور من خلال مقارنة توزيعات التضمينات دون الاعتماد على افتراضات معلمية أو ضبط الكيرنل.

المكونات الأساسية

استخراج الميزات: نظام APEX محايد تجاه نوع التضمين، ولكنه يستخدم بشكل أساسي نموذجين من أحدث النماذج التأسيسية:
- CLIP (التعلم التقابلي بين اللغة والصورة): يوفر مواءمة دلالية عالية المستوى مع اللغة الطبيعية.
- DINOv2 (التقطير المعرفي بدون تسميات): يوفر بنية بصرية دقيقة (الملمس، الشكل، التخطيط المكاني) عبر التعلم الذاتي للإشراف.
- التنفيذ: يستخدم APEX-CLIP رموز [CLS] ذات 768 بُعدًا. بينما يقوم APEX-DINO بدمج رموز [CLS] من الطبقات 6 و12 و23 من نموذج DINOv2 ViT-L/14 لتشكيل تمثيل مكون من 3,072 بُعدًا، مما يلتقط التجريدات البصرية متعددة المقاييس.
مقياس المسافة (مسافة واسيرشتين المقطعة - SWD): بدلاً من ملاءمة التوزيعات المعلمية أو استخدام طرق الكيرنل، يحسب APX مسافة SWD.
- الآلية: تقرب SWD مسافة 2-Wasserstein عن طريق إسقاط التوزيعات عالية الأبعاد على خطوط أحادية البعد عشوائية (اتجاهات $\theta$ ) وحساب مسافة واسيرشتين على هذه الإسقاطات.
- المزايا: هي متجذرة رياضيًا، وخالية من الافتراضات (لا توجد افتراضات غاوسية أو كيرنل)، وفعالة حاسبيًا ( $O(N \log N)$ ) مقارنة بالتكلفة التربيعية لـ MMD.
تقريب مونت كارلو: يتم تقريب التكامل عبر الكرة الوحدة من خلال متوسط عدد $L$ من الإسقاطات العشوائية. وقد حدد المؤلفون نظريًا وتجريبيًا أن $L=500$ يوفر توازنًا مستقرًا بين دقة التقدير والتكلفة الحسابية.

الضمانات النظرية

يقدم البحث ضمانًا نظريًا (النظرية 1) يثبت أن خطأ التقدير لمربع مسافة SWD يتم التحكم فيه من خلال عدد الإسقاطات $L$ . يعتمد الحد على البعد الجوهري $k$ للمناطق (Manifold) التي توجد فيها التضمينات وقطر هذه المنطقة $D$ ، ولكنه مستقل عن البعد المحيط $d$ . وهذا يبرر قابلية توسع SWD في الفضاءات عالية الأبعاد.

3. المساهمات الرئيسية

تدقيق المقاييس الحالية: تحليل منهجي لأنماط الفشل في المقاييس الحالية، مع تسليط الضوء على حساسيتها تجاه اختيار الهيكل الأساسي، والافتراضات التوزيعية، وتكوينات الكيرنل، والتحولات عبر المجالات.
إطار عمل APEX: تقديم إطار تقييم قائم على الإسقاط يجمع بين النماذج التأسيسية (CLIP/DINOv2) مع SWD لإزالة الافتراضات المعلمية الجامدة وتبعية معلمات الكيرنل الفائقة.
تحليل الاستقرار: استقصاء نظري وتجريبي لعدد الإسماط المطلوبة لتقدير مستقر لـ SWD، وتحديد $L=500$ كنقطة مثالية للتقارب.
التقييم الشامل: بروتوكول تقييم واسع النطاق يمتد عبر خمسة مجالات متباينة (الصور الطبيعية، الوجوه، صور الجلد، الأشعة السينية، الاستشعار عن بعد)، واختبار المتانة تجاه التدهور في البكسل/التمثيل الكامن، واستقرار العينات المحدودة، والتحسين التوليدي.
المواءمة البشرية: دراسة إدراكية مخصصة أظهرت أن APEX ترتبط بقوة بالأحكام البشرية، وهي منافسة لأقوى الخطوط المرجعية.

4. النتائج التجريبية

يقارن التقييم APEX مقابل FID و KID و CMMD و DINO+MMD عبر عدة معايير:

الاستقرار داخل المجموعة وعبر المجموعات:
- داخل المجموعة الواحدة: تُظهر متغيرات APEX انحيازًا منخفضًا للعينات المحدودة ومعامل تباين منخفض (CV $\le$ 0.06)، متفوقة على KID و DINO+MMD (اللذين يعانيان من تباين عالٍ رغم متوسطات غير متحيزة) وعلى FID (الذي يعتمد على ملاءمة غاوسية سلسة).
- عبر المجموعات: يحقق APEX أدنى خطأ اتساق عبر المجالات ( $\Lambda$ )، مما يشير إلى أن إشارات التدهور لديه أكثر اتساقًا عبر المجالات المتنوعة (مثل الصور الطبية مقابل الصور الطبيعية) مقارنة بالخطوط المرجعية القائمة على النماذج التأسيسية مثل CMMD.
حساسية التدهور: يُظهر APEX حساسية رتيبة للاضطرابات التدريجية (الضوضاء، الضبابية، الضغط، التشوهات الكامنة) عبر جميع المجالات. في المقابل، غالبًا ما تُظهر الخطوط المرجعية تقلبات غير رتيبة أو إخفاقات مرتبطة بمجالات محددة.
التحسين التوليدي: خلال عملية إزالة الضجيج في Stable Diffusion، يُظهر APEX-CLIP أكبر انخفاض في درجات المسافة خلال خطوات التحسين النهائية، مما يشير إلى حساسية أعلى للتحسينات الإدراكية الدقيقة مقارنة بـ FID أو KID.
الارتباط البشري: في دراسة شملت 10,850 صورة مشروحة، حقق APEX-CLIP معامل سبيرمان $\rho$ قدره 0.844، وهو ما يقارب تقريبًا FID (0.847) ويتفوق بشكل كبير على CMMD (0.813) و DINO+MMD (0.651). هذا يشير إلى أن النهج القائم على الإسقاط يستخرج معلومات أكثر صلة بالإدراك من نفس فضاء التضمين.
الكفاءة: بينما يهيمن استخراج الميزات على وقت التشغيل، فإن حساب المسافة لـ APEX يتوسع كـ $O(N \log N)$ ، متجاوزًا عبء $O(N^2)$ المرهق لطرق MMD.

5. الأهمية والادعاءات

يزعم البحث أن APEX يعالج معضلات "المفردات المغلقة" و"التحيز الافتراضي" التي تعيق تقييم جودة الصور الحالية. من خلال الاستفادة من مسافة واسيرشتين المقطعة ضمن الفضاءات الكامنة لـ النماذج التأسيسية، يوفر APEX ما يلي:

المتانة: استقرار فائق عبر المجالات المختلفة وتحت مختلف أنواع تدهور الصور.
الموثوقية: ارتباط عالٍ بالإدراك البشري دون الحاجة إلى افتراضات إحصائية جامدة.
القابلية للتوسع: حساب فعال مناسب للفضاءات التضمينية عالية الأبعاد.

يضع المؤلفون APEX ليس كبديل لجميع المقاييس الموجودة، بل كبديل مبدئي وخالٍ من الافتراضات يوفر خطًا مرجعيًا أكثر استقرارًا ومرونة لتقييم الجيل القادم من النماذج التوليدية. وهم يقرون بالقيود، مشيرين إلى أن الأداء لا يزال يعتمد على جودة فضاء التضمين الأساسي، وأن التكلفة الإجمالية يهيمن عليها استخراج الميزات، خاصة لنسخة APEX-DINO عالية الأبعاد. ويُقترح في العمل المستقبلي استكشاف استراتيجيات الإسقاط التكيفي وتوسيع النطاق ليشمل نماذج متعددة الوسائط أوسع.