تخيل أنك تحاول بناء نموذج ثلاثي الأبعاد مثالي لغرفة باستخدام حفنة من الصور فقط. هذا هو التحدي اليومي لفرع من فروع علوم الكمبيوتر يسمى إعادة البناء ثلاثي الأبعاد (3D reconstruction). الهدف هو تحويل صور ثنائية الأبعاد مسطحة إلى جسم رقمي صلب يمكنك التجول حوله في عالم افتراضي. وللقيام بذلك، غالبًا ما تستخدم أجهزة الكمبيوتر نظام "الفوكسل" (voxel). فكر في "الفوكسلات" كأنها قطع ليجو رقمية صغيرة تملأ الفراغ. يحاول الكمبيوتر معرفة أي من هذه القطع جزء من جدار، وأيها جزء من كرسي، وأيها مجرد هواء فارغ.

ومع ذلك، هناك مشكلة شائكة. إذا كان الجدار أبيض سادة أو كانت الغرفة ذات إضاءة خافتة، يصاب الكمبيوتر بالارتباك؛ فلا يستطيع التمييز بين نهاية الجدار وبداية الهواء. قد يبني بالخطأ كتلة عائمة من "الفوكسلات الشبحية" في منتصف الهواء، أو قد يكسر جدارًا ناعمًا إلى كومة صغيرة مبعثرة وغير منتظمة. يحدث هذا لأن الكمبيوتر عادة ما ينظر إلى نقطة واحدة صغيرة في كل مرة، مثل محاولة تخمين شكل جبل كامل من خلال النظر إلى حصاة واحدة فقط. إنه يفتقر إلى الرؤية الشاملة.

هنا يأتي دور SurfSVR، وهو أسلوب جديد يغير قواعد اللعبة. فبدلاً من التحديق في البكسلات الفردية (النقاط الصغيرة التي تشكل الصورة)، يبحث SurfSVR عن مناطق السطح المتماسكة (coherent surface regions). تخيل أنك تنظر إلى صورة لطاولة؛ بدلاً من رؤية ملايين النقاط المنفصلة، يجمع دماغك فورًا بينها لتشكل سطح "سطح الطاولة" الناعم. يفعل SurfSVR الشيء نفسه؛ فهو يجمع البكسلات في رقع (patches) منطقية، ويحدد ما إذا كانت هذه الرقعة مسطحة أم منحنية، ثم يستخدم هذا التخمين الذكي والكبير لتوجيه عملية بناء الليجو ثلاثي الأبعاد. الأمر يشبه إعطاء الكمبيوتر خريطة للتضاريس قبل أن يبدأ في البناء، ليعرف بالضبط أين يضع قطع الليجو وأين يترك الفراغ.

المشكلة مع "الفوكسلات الشبحية"

عندما تحاول أجهزة الكمبيوتر بناء نماذج ثلاثية الأبعاد من صور قليلة، فإنها غالبًا ما تضيع في التفاصيل. فهي تعتمد على أدلة محلية—مثل مدى سطوع بقعة ما أو مقدار الضوء الذي تعكسه. ولكن في الأماكن التي لا تحتوي على ملمس (مثل جدار أبيض سادة) أو حيث لا يُرى الجسم إلا من زوايا قلي تعداد، تكون هذه الأدلة ضعيفة. والنتيجة؟ ينتهي النموذج ثلاثي الأبعاد ليبدو كأنه فسيفساء مكسورة. تحصل على أسطح مجزأة (جدران تبدو كزجاج محطم)، وتقسيم مفرط (استخدام ملايين القطع الصغيرة حيث تكفي بضع قطع كبيرة)، وآثار عائمة (كتل هندسية شبحية تحوم في الهواء حيث لا يوجد شيء).

تجادل الورقة البحثية بأن الطريقة القديمة للإصلاح—وهي مجرد النظر إلى توقعات العمق بكسل تلو الآخر—غير موثوقة. إنها تشبه محاولة إصلاح سقف مسرب عن طريق رقع كل قطعة قرميد على حدة دون فهم شكل السقف بالكامل. يصاب الكمبيوتر بالارتبال بسبب الضجيج وينتهي به الأمر ببناء أشياء لا وجود لها.

SurfSVR: نهج "الرقعة الذكية"

يقدم SurfSVR استراتيجية جديدة ذكية: معاملة أولويات السطح ثنائية الأبعاد كمنظمات هندسية ثلاثية الأبعاد (2D surface priors as 3D geometric regularizers). وهي طريقة معقدة تعني: "دعونا نستخدم الصورة ثنائية الأبعاد لرسم خريطة ذكية للأسطح، ثم نستخدم تلك الخريطة لإجبار النموذج ثلاثي الأبعاد على التصرف بشكل صحيح".

إليك كيف تسير العملية خطوة بخطوة:

1. تجميع البكسلات: أولاً، ينظر النظام إلى الصور المدخلة ويجمع البكسلات في "مناطق سطحية". هو لا ينظر إلى اللون فحسب؛ بل يجمع بين المظهر مع تقديرات العمق، والناظم السطحي (surface normals - الاتجاه الذي يواجهه السطح)، وكيف يبدو الجسم من زوايا كاميرا مختلفة. إنه مثل المحقق الذي يجمع كل الأدلة ليعرف: "حسنًا، هذه المنطقة الزرقاء بأكملها هي جدار ناعم واحد، وهذا الجزء المنحني هو طاولة مستديرة".
2. اختيار الشكل المناسب: بمجرد تجميع المنطقة، يسأل SurfSVR: "هل هذا السطح مسطح أم منحني؟". يحاول ملاءمة أبسط نموذج رياضي ممكن للمجموعة. إذا بدت المجموعة كجدار مسطح، فإنه يستخدم نموذجًا مستويًا (planar model) (ورقة مسطحة). وإذا بدت كوعاء منحني، فإنه يستخدم نموذجًا تربيعيًا (quadratic model) (ورقة منحنية بلطف). وإذا كان الشكل غريبًا جدًا بحيث لا يناسب أياً منهما، فإنه يتركه كشكل "معقد" بدلاً من فرض ملاءمة سيئة. هذا هو جزء "الاختيار التكيفي"—فهو يختار الأداة المناسبة لكل مهمة.
3. الرفع إلى 3D: يتم بعد ذلك "رفع" هذه الخرائط الذكية ثنائية الأبعاد إلى العالم ثلاثي الأبعاد. وهي تعمل كمجموعة صارمة من القواعد لقطع الليجو ثلاثية الأبعاد (الفوكسلات):
   • التقسيم الذكي: إذا كانت المنطقة عبارة عن جدار مسطح، يتوقف النظام عن تقسيم القطع إلى أجزاء صغيرة في وقت مبكر. فهو يعلم أن الجدار المسطح لا يحتاج إلى ملايين القطع الصغيرة. ولكن إذا كانت المنطقة معقدة، فإنه يبقي القطع صغيرة لالتقاط التفاصيل.
   • طرد الأشباح: هذا هو الجزء الأكثر إثارة. يستخدم النظام الخريطة ثنائية الأبعاد للعثور على "العناصر العائمة". إذا كانت قطعة ثلاثية الأبعاد تطفو في الهواء، ولكن الخريطة ثنائية الأبعاد تقول "لا يوجد سطح هنا في أي من الصور"، فإن النظام يزيلها بثقة. الأمر يشبه حارس الأمن الذي يفحص الهويات: "أنت لا تطابق قائمة الضيوف؟ أنت خارج".
   • الحفاظ على الهياكل الرفيعة: على العكس من ذلك، إذا كان هناك جسم رفيع (مثل ساق كرسي) يصعب رؤيته، فإن الخريطة ثاسية الأبعاد تقول: "أنا أعلم أن هذا السطح موجود، حتى لو كانت القطع ثلاثية الأبعاد باهتة". هذا يمنع النظام من حذف الأجزاء الصالحة ولكن الصعبة الرؤية عن طريق الخطأ.

ماذا تقول الأرقام

اختبر المؤلفون SurfSVR على ثلاث مجموعات بيانات عامة: DTU، و Tanks and Temples، و Mip-NeRF 360. وهي مجموعات صور قياسية تُستخدم لتقييم مدى جودة طرق إعادة البناء ثلاثية الأبعاد.

• في مجموعة بيانات DTU: حقق SurfSVR متوسط مسافة تشامفر (Chamfer distance) قدرها 0.45. بعبارات بسيطة، هذا مقياس لمدى قرب النموذج ثلاثي الأبعاد من الجسم الحقيقي (وكلما قل الرقم كان أفضل). تفوقت هذه النتيجة على أفضل الطرق السابقة، بما في ذلك GeoSVR (0.47) و AmbiSuR (0.46). لقد كان الأفضل أداءً في 9 من أصل 15 مشهدًا.
• في Tanks and Temples: حقق متوسط درجة F1 قدرها 0.62، متفوقًا مرة أخرى على المنافسين. تقيس درجة F1 مدى قدرة النموذج على التقاط الشكل دون إضافة أجزاء وهمية.
• في Mip-NeRF 360: على الرغم من عدم وجود "حقيقة أرضية" (ground truth) مثالية للقياس هنا، إلا أن الطريقة أنتجت مشاهد عالية الجودة، مما أظهر أن النماذج ثلاثية الأبعاد كانت دقيقة بما يكفي لعرض زوايا جديدة بشكل مقنع.

تستبعد الورقة البحثية صراحةً فكرة أنه يمكنك فقط أخذ توقعات العمق لكل بكسل (والتي قد تكون مليئة بالضجيج) ورفعها مباشرة إلى 3D. وتجادل بأن هذا النهج يفشل لأن البكسلات الفردية لا تفهم "مدى" أو "استمرارية" السطح. يثبت SurfSVR أنه من خلال تنظيم البكسلات في مناطق متماسكة أولاً، ستحصل على نتيجة ثلاثية الأبعاد أقوى وأكثر موثوقية بكثير.

المقايضة

هل هو مثالي؟ تشير الورقة إلى أن SurfSVR يستغرق وقتًا أطول قليلاً للتشغيل من بعض الطرق الأبسط. يستغرق حوالي 0.9 ساعة (54 دقيقة) لمعالجة مشهد DTU على وحدة معالجة رسومات واحدة عالية الأداء، مقارنة بـ 0.5 ساعة لبعض الطرق الأخرى. يوضح المؤلفون أن هذا الوقت الإضافي يُنفق في بناء خرائط الأسطح الذكية ثنائية الأبعاد وإجراء عمليات التحقق الإضافية لإزالة الأشباح. وهم يقترحون أن هذه مقايضة عادلة: فأنت تقضي وقتًا إضافيًا قليلاً للحصول على نموذج ثلاثي الأبعاد أنظف وأكثر دقة دون وجود تلك القطع العائمة.

في الختام، يشير SurfSVR إلى أن مفتاح إعادة البناء ثلاثي الأبعاد الأفضل ليس مجرد النظر بجهد أكبر إلى البكسلات الفردية، بل فهم الصورة الكبيرة. ومن خلال التعامل مع الصور ثنائية الأبعاد كمجموعة من الأسطح الذكية والمتماسكة، يوجه هذا الأسلوب البناء ثلاثي الأبعاد لإنشاء نماذج ليست مفصلة فحسب، بل متينة بنيويًا أيضًا، مما يقضي بفعالية على الآثار الشبحية التي عانت منها هذه المجالات لفترة طويلة.