Low Latency Gaze Tracking via Latent Optical Sensing
تقدم هذه الورقة نظاماً لتتبع نظرات العين في الوقت الفعلي وبزمن انتقال فائق الانخفاض، يتجاوز معالجة الصور التقليدية باستخدام مشفر بصري سلبي مزود بمصفوفة عدسات مجهرية وقناع ثنائي لالتقاط الميزات الكامنة ذات الصلة بالمهمة بشكل مباشر، محققاً زمن انتقال قدره 3.4 مللي ثانية من البداية إلى النهاية وكفاءة طاقة محسنة مقارنة بالنهج التقليدي القائم على الكاميرا.
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 تخمين أين ينظر شخص ما. الطريقة التقليدية للقيام بذلك تشبه التقاط صورة عالية الدقة (4K) لعينهم، وإرسال هذا الملف الضخم إلى حاسوب خارق، ثم الطلب من الحاسوب تحليل كل بكسل لمعرفة اتجاه نظرتهم. هذه الطريقة دقيقة، لكنها بطيئة، وتستهلك الكثير من البطارية، وتتطلب كمية هائلة من البيانات لنقلها.
تقترح هذه الورقة البحثية طريقة مختلفة تماماً، وهي طريقة "اختصار". فبدلاً من التقاط صورة كاملة، قاموا ببناء مرشح بصري خاص يعمل مثل منخل ذكي.
إليك كيف يعمل نظامهم، مقسماً إلى مفاهيم بسيطة:
1. "المنخل الذكي" (المشفّر البصري)
تخيل أن لديك دلواً من الماء (الضوء القادم من العين) وتريد أن تعرف ما إذا كانت السماء تمطر بغزارة أم بخفة. بدلاً من التقاط كل قطرة في شبكة ضخمة وعدّها واحدة تلو الأخرى (التقاط صورة كاملة)، تقوم بسكب الماء عبر منخل له نمط محدد جداً من الثقوب.
- العتاد (Hardware): بنى الباحثون جهازاً يحتوي على مصفوفة عدسات دقيقة (طبقة من العدسات المكبرة الصغيرة جداً) وقناع ثنائي (طبقة تحتوي على نمط محدد من المربعات السوداء والفضية).
- السحر: عندما يمر الضوء من العين عبر هذا "المنخل"، يتم بعثرته في نمط محدد. النظام لا يهتم بكيف يبدو شكل العين (لون القزحية، لون البشرة، أو الملامح التفصيلية)، بل يهتم فقط بـ نمط شدة الضوء الذي يعبر من خلاله.
- النتيجة: بدلاً من صورة مكونة من 256×256 بكسل (أكثر من 65,000 نقطة بيانات)، يلتقط النظام 16 رقماً فقط. الأمر يشبه ضغط رواية كاملة في جملة واحدة لا تزال تخبرك بالحبكة الرئيسية.
2. "المترجم خفيف الوزن" (مفكك شفرة الذكاء الاصطناعي)
بمجرد حصول النظام على هذه الأرقام الـ 16، فإنه لا يحاول إعادة بناء صورة العين؛ لأن ذلك سيكون مضيعة للوقت. بدلاً من ذلك، يقوم بتغذية هذه الأرق الـ 16 في عقل إلكتروني صغير وسريع جداً (شبكة عصبية خفيفة الوزن).
- خدعة التدريب: لتعليم هذا العقل الصغير، استخدم الباحثون ذكاءً اصطناعياً "معلماً" يعرف كيفية تحويل صور العين إلى رموز مجردة. لقد علموا النظام الجديد كيف يحاكي "عملية التفكير" لدى المعلم باستخدام الـ 16 رقماً فقط.
- ميزة الخصوصية: بما أن النظام لا يرى أو يخزن صورة حقيقية للعين أبداً، فهو يتمتع بخصوصية طبيعية. لا يمكنك التعرف على الشخص من خلال الأرقام الـ 16، ولكن يمكن للنظام لا يزال إخبارك بدقة أين ينظر.
3. الرقم القياسي في السرعة (زمن الاستجابة)
الانتصار الأكبر هنا هو السرعة.
- الكاميرات التقليدية: يجب أن تنتظر حتى تكتمل الصورة، ثم تقرأ جميع البكسلات، ثم تعالجها. هذا يستغرق عادةً من 10 إلى 20 مللي ثانية (أو أكثر).
- هذا النظام: نظرًا لأنه يتخطى خطوة "التقاط الصورة" ويقرأ فقط 16 مستشعراً صغيراً، فإن العملية بأكملها — من لحظة اصطدام الضوء بالمستشعر إلى قول الحاسوب "إنه ينظر لليسار" — تستغرق أقل من 3.4 مللي ثانية.
التشبيه:
فكر في نظام الكاميرا التقليدي كأنه مصور فوتوغرافي يلتقط صورة، ثم يطبعها، ثم يمشي بها إلى ناقد فني، ويسأله: "أين ينظر الشخص؟".
أما هذا النظام الجديد، فهو يشبه حارس أمن لا ينظر إلى وجه الشخص على الإطلاق. بدلاً من ذلك، يكتفي بمراقبة الظل الذي يلقيه الشخص على جدار محدد. الظل مشوه وغير قابل للتمييز كوجه، لكن الحارس يعرف بالضبط الاتجاه الذي يواجهه الشخص بناءً على شكل الظل. إنه أمر فوري، ولا يتطلب صوراً، ويستهلك طاقة قليلة جداً.
ما حققوه بالفعل
- الدقة: في الاختبارات، خمن النظام اتجاه النظر بخطأ قدره حوالي 6 درجات (تقريباً عرض إصبع الإبهام عند وضعه على مسافة ذراع). وهذا يعتبر جيداً للعديد من الاستخدامات الواقعية.
- الاختبار الواقعي: قاموا ببناء نموذج أولي مادي بعدسات وأقنعة ومستشعرات حقيقية. وعند اختبارهم على أشخاص حقيقيين، لم يحتاجوا إلا لإظهار 12 إلى 15 نقطة مختلفة للشخص على الشاشة لـ "معايرة" النظام لهذا الشخص تحديداً، وعمل النظام بشكل جيد.
- الكفاءة: يستخدم النظام جزءاً ضئيلاً جداً من قوة الحوسبة التي تتطلبها الكاميرات القياسية. إنه فعال للغاية لدرجة أنه يمكن أن يعمل على أجهزة صغيرة جداً تعمل بالبطارية مثل نظارات الواقع المعزز المستقبلية.
باختة القول:
تثبت هذه الورقة البحثية أنك لست بحاجة إلى كاميرا عالية الدقة لتتبع حركة العين. فمن خلال استخدام مرشح بصري ذكي لبعثرة الضوء وتحويله إلى مجموعة صغيرة من الأرقام، واستخدام ذكاء اصطناعي بسيط لقراءة تلك الأرقام، يمكنك تتبع أين ينظر الشخص في أقل من 4 مللي ثانية. هذه السرعة كافية لمواكبة العقل البشري، مما يجعلها مثالية للجيل القادم من نظارات الواقع الافتراضي والواقع المعزز حيث يسبب التأخير (اللاغ) الشعور بدوار الحركة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.