Calibrated Similarity and Graph Clustering for Open-Set Animal Re-Identification

ملخص تقني: التشابه المعاير وتجميع الرسوم البيانية لإعادة تحديد هوية الحيوانات في المجموعات المفتوحة

بيان المشكلة
تتناول الورقة البحثية تحدي إعادة تحديد هوية الحيوانات في المجموعات المفتوحة (Open-set) ضمن سياق مسابقة AnimalCLEF 2026. وعلى عكس التعرف في المجموعات المغلقة، يتطلب هذا المهمة من النظام أداء وظيفتين متميزتين في آن واحد: (1) مطابقة صور الاستعلام مع أفراد معروفين في قاعدة بيانات مرجعية، و(2) اكتشاف وتجميع الأفراد غير المرئيين سابقاً في مجموعات هوية جديدة. يجب أن يعمل النظام عبر أربعة أنواع متنوعة بصرياً — الوشق الأوراسي، والسمندل الناري، وسلحفاة ضخمة الرأس، وسحلية تكساس ذات القرون — تحت ظروف ميدانية صعبة تتضمن تغيرات في الوضعية، والإضاءة، والانسداد، والخلفية. يتم تقييم الأداء باستخدام مؤشر راند المعدل (ARI)، الذي يعاقب على كل من الإفراط في التجزئة والتقصير في التجزئة.

المنهجية
يقترح المؤلفون مسار عمل "من التشابه إلى التجميع" يدمج التجزئة، والمعالجة المسبقة الخاصة بكل نوع، والدمج العالمي-المحلي المعاير، وتجميع الرسوم البيانية.

1. التجزئة والمعالجة المسبقة:

   • التجزئة: يقوم مسار العمل أولاً بعزل العينة المستهدفة باستخدام نموذج Segment Anything Model 3 (SAM 3) لتقليل ضوضاء الخلفية. أما صور الوشق، التي تم توفيرها كعينات مقصوصة مسبقاً، فقد استُخدمت مباشرة.
   • المعالجة المسبقة الخاصة بالأنواع: لتعزيز السمات البصرية ذات الصلة بالهوية، يتم تطبيق معالجة مسبقة خفيفة الوزن على الوشق (التحسين، وCLAHE القائم على HSV، والترشيح الثنائي)، وعلى السلاحف البحرية (تعزيز القناة الحمراء، وتصحيح غاما لتقليل تدهور الألوان تحت الماء)، وعلى السماندر (تعزيز حواف Sobel للأنماط الصفراء والسوداء). أما صور سحلية تكساس ذات القرون، فتخضع للتجزئة فقط للحفاظ على أنماط البقع البطنية الأصلية.

2. استخراج الميزات وتقدير التشابه (WildFusion):

   • محرك التشابه الأساسي هو WildFusion، الذي يدمج واصفاً عالمياً مع فرعين للمطابقة المحلية.
   • الواصف العالمي: يستخدم مسار العمل MiewID (تحديد هوية الحياة البرية متعدد الأنواع). قيم المؤلفون ثلاثة متغيرات: MiewID-msv3 الأصلي المدرب مسبقاً، ونسخة تم ضبطها بدقة باستخدام Dynamic ArcFace، ونسخة تم ضبطها بدقة باستخدام فقد SphereFace2-Focal. هدفت استراتيجيات الضبط الدقيق هذه إلى إنشاء مساحات تضمين أكثر تماسكاً وتميزاً للاكتشاف في المجموعات المفتوحة.
   • المطابقة المحلية: يتم استخدام فرعين محليين ثابتين دون ضبط دقيق خاص بالمهمة: ALIKED + LightGlue و DISK + LightGlue. تلتقط هذه الفروع الأنماط التشريحية الدقيقة (مثل علامات الفراء، أو ملمس الصدفة).
   • المعايرة: يتم معايرة الدرجات من الفروع العالمية والمحلية باستخدام المعايرة المتساوية (Isotonic Calibration) ودمجها عبر قاعدة المتوسط الموزون لإنتاج درجة تشابه موحدة.

3. التجميع وإلحاق الهوية:

   • بناء الرسم البياني: يتم تحويل التشابهات بين أزواج الاستعلامات إلى رسم بياني موزون متفرق.
   • إعادة الترتيب: يتم تطبيق خطوة إعادة ترتيب k-reciprocal على مصفوفة تشابه الاستعلام-الاستعلام لتنقية علاقات الجوار قبل التجميع.
   • التجميع: يُستخدم خوارزمية Chinese Whispers، وهي خوارزمية تجميع قائمة على الرسم البياني، لاستنتاج مجموعات الهوية دون عدد محدد مسبقاً من المجموعات. وهذا أمر بالغ الأهمية لطبيعة المجموعات المفتوحة.
   • إلحاق الهوية المعروفة: بالنسبة للأنواع التي لها قواعد بيانات مصنفة، يتم مطابقة صور الاستعلام مع الهويات المعروفة باستخدام مصفوفة تشابه الاستعلام-قاعدة البيانات. يحدث الإلحاق على مستوى المجموعة: إذا كانت المجموعة تحتوي على مطابقات واثقة (بناءً على عتبات الدرجة والهامش) لهوية معروفة، يتم تعيين تلك الهوية للمجموعة بأكملة. خلاف ذلك، تُعامل المجموعة كفرد مكتشف حديثاً.

4. التجميع الأمثل والتحسين:

   • يستخدم النظام النهائي تجميعاً لمتغيرات MiewID الثلاثة (المدربة مسبقاً، وDynamic Arczaface، وSphereFace2-Focal) باستخدام التصويت بالأغلبية.
   • يتم تحسين المعلمات الفائقة لإعادة الترتيب، وبناء الرسم البياني (عتبات الحواف، k-core)، وإلحاق الهوية لكل نوع باستخدام Optuna.

المساهمات الرئيسية

• تصميم مسار العمل: مسار عمل موحد يجمع بفعالية بين تجزئة العينات، والمعالجة المسبقة المدركة للنوع، والدمج العالمي-المحلي المعاير لإعادة تحديد الهوية في المجموعات المفتوحة.
• استراتيجية المعالجة المسبقة: إثبات أن المعالجة المسبقة الخفيفة والمحددة لكل نوع (مثل تصحيح الألوان للصور تحت الماء، وتعزيز الحواف للجلد المنقوش) تحسن بشكل كبير السمات ذات الصلة بالهوية دون تكلفة حوسبية باهظة.
• المعايرة والدمج: تطبيق WildFusion لمعايرة ودمج واصفات MiewID العالمية مع أدوات مطابقة النقاط الرئيسية المحلية، مما يظهر أن هذا الجمع يتفوق على استخدام الواصفات العالمية وحدها.
• تكييفات الضبط الدقيق: استكشاف استراتيجيات الضبط الدقيق Dynamic ArcFace و SphereFace2-Focal لـ MiewID لتحسين فصل التضمين في سياق المجموعات المفتوحة، مما يساهم في تنوع التجميع.
• الإلحاق على مستوى المجموعة: استراتيجية قوية لتعيين الهويات المعروفة للمجموعات بناءً على تراكم الأدلة من صور استعلام متعددة واثقة، بدلاً من الاعتماد على مطابقات الصورة الواحدة.

النتائج
يتفوق النظام المقترح بشكل كبير على الخط المرجعي للمسابقة (التجميع التجميعي مع WildFusion) في مؤشر راند المعدل (ARI):

• الخط المرجعي (WildFusion): ARI العام 0.20342، ARI الخاص 0.21221.
• المسار الرئيسي (MiewID المدرب مسبقاً + التجميع): ARI العام 0.71919، ARI الخاص 0.66695.
• التجميع النهائي (النموذج المدرب مسبقاً + المتغيرات المضبوطة بدقة): حقق أفضل ARI عام بلغ 0.72124 و ARI خاص بلغ 0.70393.
• التكوين البديل: حقق متغير أبسط يستخدم فقط MiewID المدرب مسبقاً ولكن مع تطبيق المعالجة المسبقة قبل معايرة WildFusion أفضل ARI خاص بلغ 0.71087، مما يشير إلى أن ملاءمة المعايرة على التوزيع المعالج مسبقاً تساعد على التعميم.

الأهمية والادعاءات
تدعي الورقة أن المصدر الرئيسي لزيادة الأداء ينبع من تصميم "التشابه إلى التجميع" الشامل وليس من الضبط الدقيق وحده. إن مسار العمل الخالي من التدريب (باستخدام MiewID المدرب مسبقاً فقط) يتفوق بالفعل بشكل كبير على الخط المرجعي، مما يشير إلى أن تجزئة العينات، والمعالجة المسبقة المستهدفة، والدمج المعاير كافية لتقديم حل قوي.

يؤكد المؤلفون أنه بينما لا يتفوق المتغيرات المضبوطة بدقة (Dynamic Arcface، SphereFace2-Focal) بشكل فردي على النموذج الخالي من التدريب، إلا أنها توفر معلومات تكميلية تعزز المتانة عند تجميعها. علاوة على ذلك، تسلط النتائج الضوء على أن استراتيجية المعايرة (تحديداً ملاءمة المعايرة على توزيع الصور المعالجة مسبقاً) هي عامل حاسم للتعميم، كما يتضح من الأداء القوي في لوحة المتصدرين الخاصة بالتكوين الأبسط (المعالجة المسبقة قبل المعايرة).

القصور
يقر المؤلفون بثلاثة قيود رئيسية:

1. قابلية التكرار: استخدام Chinese Whispers، الذي يقوم بتحديث الملصقات بترتيب عشوائي، يمكن أن يؤدي إلى اختلافات طفيفة في تعيين المجموعات عبر عمليات التشغيل المختلفة.
2. التكلفة الحوسبية: النظام مكلف حوسبياً بسبب المطابقة المحلية لكل زوج والحاجة لتشغيل المسار ثلاث مرات من أجل التجميع.
3. نطاق المعايرة: تمت ملاءمة مرحلة المعايرة باستخدام صور الوشق فقط، مما قد يحد من قابلية نقل التماثلات المعايرة عبر الأنواع ذات الإحصاءات البصرية المختلفة.

يُقترح أن يركز العمل المستقبلي على طرق تجميع أكثر حتمية، وحساب أكثر كفاءة للتشابه، واستراتيجيات معايرة أوسع لتغطية تنوع الأنواع.