Enhancing Visual Perception in Foggy Conditions via Multiclass Fog Density Modeling

تخيل أنك تحاول قيادة سيارة تفكر بنفسها. هذه السيارة "المستقلة" لا يوجد خلف مقودها إنسان؛ بل لديها دماغ مكون من كاميرات وحواسيب تمسح الطريق باستمرار للعثور على السيارات الأخرى، والمشاة، واللافتات. يسمى هذا المجال "القيادة الذاتية"، وأكبر تحدٍ يواجهها هو "الإدراك" (Perception)—أي القدرة على الرؤية بوضوح. في الطقس المثالي، تعمل هذه الكاميرات مثل العيون البشرية. ولكن عندما يصبح الطقس سيئاً، كما هو الحال عند هبوب ضباب كثيف، تصبح رؤية السيارة مشوشة ومربكة، تماماً كما يحدث لنا. الضباب هو في الأساس جدار من قطرات الماء الصغيرة التي تشتت الضوء، مما يجعل الأجسام البعيدة تتلاشى وتبدو رمادية. إذا لم تستطع السيارة الرؤية بوضوح، فلن تتمكن من القيادة بأمان. لقد حاول العلماء تعليم هذه الأدمغة الحاسوبية الرؤية عبر الضباب، لكن معظمهم يحاول تعليم الدماغ طريقة واحدة عامة للتعامل مع جميع أنواع الضباب دفعة واحدة، من الضباب الخفيف إلى السحب الكثيفة التي تحجب الرؤية.

هذه الورقة البحثية، التي تحمل عنوان "تعزيز الإدراك البصري في الظروف الضبابية عبر نمذجة كثافة الضباب متعددة الفئات"، تعالج تلك المشكلة من خلال طرح سؤال بسيط: ماذا لو توقفنا عن محاولة تعليم السيارة قاعدة واحدة عامة للضباب، وبدلاً من ذلك منحناها مجموعة مختلفة من "النظارات" لكل سماكة محددة من الضباب؟ قرر الباحثون، بالعمل مع بيانات من مجموعة بيانات Waymo للقيادة الذاتية، محاكاة خمسة مستويات مختلفة من الضباب: صافٍ، خفيف، متوسط، كثيف، وكثيف جداً. وبدلاً من تدريب نموذج واحد ضخم للتعامل مع كل شيء، قاموا بتدريب خمسة نماذج منفصلة ومتخصصة. ووجدوا أنه عندما يتم تدريب نموذج خصيصاً على "الضباب الكثيف جداً"، فإنه يصبح أفضل بكثير في رصد الأجسام في تلك الظروف. في الواقع، بالنسبة للضباب الأكثر كثافة، قفزت قدرة النموذج على إيجاد الأجسام (والتي تسمى "الاستدعاء" أو Recall) من مستوى منخفض جداً بلغ 0.076 إلى مستوى أفضل بكثير بلغ 0.232. هذه زيادة هائلة قدرها 15.6 نقطة مئوية. ومع ذلك، تقترح الورقة أيضاً شيئاً مثيراً للاهتمام: تدريب نموذج فقط على أسوأ حالات الضباب قد يجعله متخصصاً للغاية وأقل مرونة. يقترح المؤلفون أن نظاماً ذكياً قد يحتاج فقط إلى ثلاثة نماذج متخصصة—واحد للطقس الصافي، وواحد للضباب الخفيف، وواحد للضباب المتوسط—للتعامل مع كل شيء تقريباً، بما في ذلك الضباب الكثيف جداً، دون الحاجة إلى دماغ منفصل لكل درجة من درجات اللون الرمادي.

قصة الطريق الضبابي

فكر في القيادة في الضباب كأنك تحاول إيجاد طريقك عبر متاهة عملاقة غير مرئية. في العالم الحقيقي، تستخدم السيارات ذاتية القيادة الكاميرات لـ "رؤية" الطريق. ولكن عندما يحل الضباب، يكون الأمر كأن شخصاً ما قد خفض تباين الألوان في التلفاز وغطى الشاشة بقطعة قماش بيضاء. يصاب كمبيوتر السيارة بالارتباك لأن الأجسام التي يحتاج لرؤيتها—مثل علامة التوقف الحمراء أو شخص يعبر الشارع—تبدأ في الظهور كبقع رمادية.

لفترة طويلة، حاول العلماء إصلاح ذلك ببناء دماغ حاسوبي فائق الذكاء يتعلم التعامل مع جميع أنواع الضباب في آن واحد. ظنوا: "إذا علمنا الدماغ كيف يرى من خلال القليل من الضباب والكثير من الضباب معاً، فسيكون سيداً في التعامل مع الطقس!" لكن مؤلفي هذه الورقة اشتبهوا في أن هذا النهج "الذي يناسب الجميع" يشبه محاولة ارتداء نفس النظارات الشمسية في يوم مشمس على الشاطئ وفي كهف مظلم؛ فهو لا يعمل بشكل مثالي لأي منهما.

التجربة: خمس نظارات لخمسة أحوال جوية

لاختبار فكرتهم، احتاج الباحثون إلى الكثير من الصور الضبابية. ولأن الحصول على بيانات قيادة ضبابية من العالم الحقيقي أمر صعب (فلا أحد يرغب في القيادة في عاصفة تحجب الرؤبة لمجرد التقاط صور لمجموعة بيانات)، فقد صنعوا بياناتهم الخاصة. أخذوا صوراً صافية ومشمسة من مجموعة بيانات Waymo (وهي مجموعة ضخمة من لقطات القيادة الحقيقية) واستخدموا خدعة حاسوبية خاصة لإضافة الضباب إليها.

لم يكتفوا بإضافة "ضباب" فحسب؛ بل أضافوا كميات محددة منه. استخدموا صيغة رياضية (امتداد لما يسمى بنموذج Koschminder) للتحكم بدقة في مدى كثافة الضباب. لقد أنشأوا خمس مستويات متميزة:

1. صافٍ (بدون ضباب)
2. ضباب خفيف (رذاذ قليل)
3. ضباب متوسط (يمكنك رؤية بعض السيارات أمامك)
4. ضباب كثيف (الرؤية بدأت تنخفض)
5. ضباب كثيف جداً (من الصعب رؤية أي شيء)

إليكم الجزء الذكي: بدلاً من تدريب نموذج واحد كبير للتعامل مع المستويات الخمسة، قاموا بتدريب خمسة نماذج منفصلة. نموذج واحد رأى الصور الصافية فقط. وآخر رأى الضباب الخفيف فقط. وآخر رأى الضباب الكثيف فقط، وهكذا. الأمر يشبه امتلاك خمسة محققين مختلفين، كل منهم مدرب لحل نوع معين من الألغاز، بدلاً من محقق واحد يحاول حل كل الجرائم في العالم.

النتائج: التخصص ينتصر (ولكن مع لمسة مفاجئة)

عندما اختبروا هذه النماذج، كانت النتائج مثيرة. كانت النماذج المتخصصة أفضل بكثير في مهامها المحددة.

• القفزة الكبيرة: بالنسبة لفئة "الضباب الكثيف جداً"، وجد النموذج المدرب خصيصاً لهذه الظروف 0.232 من الأجسام التي كان من المفترض رؤيتها. قارن ذلك بالنموذج الأساسي (المدرب على الطقس الصافي) الذي تم اختباره في الضباب الكثيف، والذي وجد 0.076 فقط. هذه زيادة قدرها 15.6 نقطة مئوية. إنه الفرق بين محقق يجد 7 أدلة من أصل 100، وبين محقق يجد 23 دليلاً من أصل 100. هذه الرؤية الإضافية قد تكون هي الفارق بين التوقف الآمن والوقوع في حادث.
• اكتشاف "المنطقة الوسطى": ومع ذلك، وجد الباحثون شيئاً مفاجئاً. عندما نظروا إلى نتائج "الضباب الكثيف جداً"، لم يكن النموذج المدرب خصيصاً لـ "الضباب الكثيف جداً" هو الأفضل دائماً من حيث دقة الكشف (mAP). في بعض الأحيان، كان النموذج المدرب على "الضباب المتوسط" يؤدي بشكل تنافسي، أو حتى أفضل قليلاً، من حيث الـ mAP.

لماذا؟ يقترح المؤلفون أنه عندما يكون الضباب كثيفاً جداً، تصبح الصورة ضبابية لدرجة تجعل الدماغ الحاسوبي يرتبك أثناء التدريب. الأمر يشبه محاولة تعلم فن التلاعب بالكرات (الجوغليج) وأنت ترتدي عصابة عين؛ قد يعلق الدماغ عند الصعوبة القصوى ويفشل في تعلم القواعد العامة للعبة. وهذا يشير إلى أننا ربما لا نحتاج إلى محقق "ضباب كثيف جداً" بعد كل شيء؛ فالمحقق الخاص بـ "الضما المتوسط" قد يكون ذكياً بما يكفي للتعامل مع الأمور الثقيلة أيضاً.

ماذا يعني هذا للمستقبل؟

تخلص الورقة إلى أنه يجب علينا التوقف عن معاملة الضباب كمسألة "نعم أو لا" بسيطة (ضبابي أو غير ضبابي). بدلاً من ذلك، يجب أن نعامله كطيف. ومن خلال استخدام نهج "نمطي" (Modular)—حيث تنتقل السيارة بين بضعة نماذج متخصصة اعتماداً على مدى كثافة الضباب—يمكننا جعل السيارات ذاتية القيادة أكثر أماناً بكثير.

يقترح المؤلفون أن نظاماً يحتوي على ثلاثة نماذج فقط (صافٍ، ضباب خفيف، وضباب متوسط) قد يكون هو "النقطة المثالية". سيكون قوياً بما يكفي للتعامل مع أسوأ حالات الطقس دون أن يصبح معقداً أو مكلفاً للغاية. وبينما ركزت هذه الدراسة على الكاميرات (صور RGB)، إلا أن المؤلفين يلمحون إلى أن هذه الفكرة نفسها يمكن أن تعمل مع مستشعرات أخرى مثل LiDAR (الليزر) والرادار في المستقبل، مما يجعل طرقنا أكثر أماناً للجميع، بغض النظر عن مدى كثافة الضباب.

باختصار، تقترح الورقة أنه لكي ترى بوضوح في الضباب، لا تحتاج إلى دماغ واحد ضخم؛ بل تحتاج إلى فريق من المتخصصين، كل منهم يرتدي النظارات المناسبة للمهمة.