How Sampling Strategy Affects Imbalance Mitigation in LiDAR Segmentation: A Study of Structured vs. Random Point-Based Architectures

تخيل عالماً تتنقل فيه السيارات ذاتية القيادة والطائرات المسيرة ذاتية القيادة من خلال "الرؤية" باستخدام أشعة الليزر بدلاً من العيون. تقوم هذه الآلات بإطلاق نبضات من الضوء التي ترتد عن الأرض، والمباني، والأشجار، لتعود على شكل سحابة من ملايين النقاط الفردية. بهذه الطريقة، تبني خرائط ثلاثية الأبعاد لمحيطها. ومع ذلك، فإن هذه الخرائط ليست متوازنة تماماً. ففي مشهد مدينة نموذجي، يصطدم الليزر بالمساحات الشاسعة والمسطحة للطريق أو بجانب المبنى آلاف المرات أكثر مما يصطدم بلوحة شارع صغيرة بعيدة أو بمشاة. هذا يخلق خللاً شديداً: فالكمبيوتر يرى الأشياء الكبيرة باستمرار لكنه يكاد لا يلاحظ التفاصيل الصغيرة والحيوية. وإذا لم يتم تدريب "دماغ" الآلة للتعامل مع هذا الأمر، فقد يتجاهل شخصاً واقفاً على الرصيف بثقة تامة لأنه غرق في حجم هائل من البيانات المتعلقة بالطريق.

لعقود من الزمن، حاول الباحثون إصلاح مشكلات مماثلة في التصوير الفوتوغرافي التقليدي ثنائي الأبعاد، حيث تظهر بعض الأجسام بشكل أقل تكراراً من غيرها. وقد طوروا حِيلاً رياضية متنوعة لإجبار الكمبيوتر على إيلاء مزيد من الاهتمام للعناصر النادرة. ولكن عندما طُبقت هذه الحيل نفسها على عالم السحب النقطية ثلاثية الأبعاد الفوضوي الناتج عن الليزر، كانت النتائج مربكة. فبعض الطرق نجحت، بينما جعلت طرق أخرى المشكلة أسوأ. وظل السؤال قائماً: هل تغير طريقة أخذ الكمبيوتر لعينات من نقاط الليزر هذه من فعالية تلك الحيل؟ لقد وضعت دراسة جديدة أجراها باحثون من جامعة قبرص ومركز (KIOS) للبحث والابتكار، هدفاً للإجابة على ذلك عبر اختبار مجموعة واسعة من الحلول على بيانات من العالم الحقيقي.

ركز الباحثون على طريقتين مختلفتين يعالج بهما الكمبيوتر هذه السحب الليزرية. الطريقة الأولى، المستخدمة في نظام يسمى (KPConv)، تعمل مثل مساح دقيق؛ فهي تختار النقاط وفق نمط منظم وهيكلي، مما يضمن أخذ عينات من كل جزء من المشهد بمنطق هندسي محدد. أما الطريقة الثانية، المستخدمة في نظام يسمى (RandLA-Net)، فهي أكثر فوضوية؛ إذ تلتقط النقاط بشكل عشوائي تماماً، مثل طفل يجمع حفنات من الرمل من الشاطئ. واختبر الفريق كلا النظامين مقابل ثلاث مجموعات بيانات مختلفة تماماً: مسح جوي ضخم لمدينة يعاني من خلل شديد يصل إلى 641 إلى واحد، ومسح داخلي لمبنى بخلل متوسط، وبيئة اصطناعية مولدة بالحاسوب. وطبقوا أحد عشر استراتيجية لمعرفة أي منها يساعد الكمبيوتر على التعرف على الأجسام النادرة بشكل أفضل.

قدمت النتائج حكماً مفاجئاً وواضحاً. فالفطرة الأكثر شيوعاً في هذا المجال — وهي ببساطة إخبار الكمبيوتر بأن يعطي وزناً أكبر للأجسام النادرة بناءً على مدى تكرار ظهورها — تبين أنها كارثية. فعندما استخدم الباحثون هذا "الوزن العكسي للتردد" المعياري، انخفض أداء الكمبيوتر بشكل كبير، وأحياناً بنسبة تصل إلى 12 بالمائة. وفي أسوأ الحالات، فشل النظام فشلاً ذريعاً، حيث أغفل تماماً أجساماً صغيرة مثل الأعمدة والأسوار. وقد استبعدت الدراسة صراحة هذا النهج الشائع، موضحة أن تعزيز أهمية الفئات النادرة بشكل أعمى يؤدي في الواقع إلى إرباك النموذج وإضعاف قدرته على رؤية العالم بشكل صحيح.

بدلاً من ذلك، وجدت الدراسة أن الحل الأفضل يعتمد كلياً على كيفية أخذ الكمبيوتر لعينات من البيانات. فبالنسبة للنظام الهيكلي الذي يشبه عمل المساح، كان النهج الأبسط هو الأفضل غالباً. حيث كان استخدام "الوزن الموحد"، حيث تُعامل كل فئة بالتساوي دون أي تعديلات رياضية خاصة، يعمل بشكل يقارب أفضل الصيغ المصممة خصيصاً. وكان الفرق ضئيلاً للغاية — أقل من 2 بالمائة — لدرجة أن الجهد الإضافي لحساب أوزان معقدة لم يقدم أي فائدة حقيقية. بدا أن طريقة أخذ العينات الهيكلية تتعامل مع الخلل بشكل طبيعي جيد بما يكفي بحيث لا يحتاج الكمبيوتر إلى إجباره على الانتباه للعناصر النادرة.

ومع ذلك، كانت القصة مختلفة بالنسبة لطريقة أخذ العينات العشوائية الفوضوية. ولأن هذا النظام يتخلص من البنية الهندسية الطبيعية للمشهد، فإنه يكون أكثر حساسية تجاه الخلل. وهنا، أخفق النهج الموحد البسيط، حيث تأخر عن التقنيات المتخصصة بنسبة تصل إلى 4.6 بالمائة. وبالنسبة لهذا النوع من البنية، وجد الباحثون أن دالة خسارة محددة تسمى (LDAM)، والتي تعدل كيفية تعلم الكمبيوتر من أخطائه، قدمت تحسناً ملحوظاً. ومع ذلك، حتى هنا، كان الحذر مطلوباً؛ إذ إن صيغاً معقدة أخرى نجحت في التصوير ثنائي الأبعاد تسببت في فشل النظام العشوائي بنفس سوء الوزن البسيط الذي حدث في النظام الهيكلي.

نظر الباحثون أيضاً في "شكل" عملية التعلم لفهم سبب حدوث هذه الاختلافات. ووجدوا أنه بالنسبة للنظام الهيكلي، كانت صعوبة مهمة التعلم مرتبطة بمدى عدم توازن البيانات؛ فكلما زاد عدم التوازن، أصبح مسار التعلم أكثر حدة وصعوبة. أما بالنسبة للنظام العشوائي، فقد كانت الصعوبة مدفوعة بالتعقيد الفيزيائي للمشهد نفسه. ففي البيئات الداخلية المزدحمة التي تحتوي على العديد من الأجسام الرفيعة مثل الكراسي والطاولات، أصبح مسار التعلم متعرجاً وصعب التوجيه، بغض النظر عن عدد الأجسام النادرة الموجودة. وهذا يشير إلى أن الطريقة العشوائية تعاني لأنها تفقد السياق الهيكلي الذي يساعد الكمبيوتر على فهم المشهد.

في النهاية، يقدم هذا العمل دليلاً عملياً للمهندسين الذين يبنون هذه الأنظمة. فهو يشير إلى أنه إذا كنت تستخدم طريقة أخذ عينات هيكلية، فيجب عليك تجنب الرغبة في الإفراط في هندسة حلك؛ فالمعاملة المتساوية والبسيطة لجميع الفئات هي طريقة قوية وفعالة. أما إذا كنت تستخدم طريقة أخذ عينات عشوائية، فأنت بحاجة بالفعل إلى أداة متخصصة للتعامل مع الخلل، ولكن يجب عليك اختيارها بعناية، لأن الأداة الخاطئة يمكن أن تكسر النظام تماماً. وتخلص الدراسة إلى أنه لا يوجد "حل سحري" واحد لجميع مهام الرؤية ثلاثية الأبعاد. بدلاً من ذلك، يتشكل مدى فعالية أي حل من خلال التفاعل الدقيق بين كيفية جمع البيانات، وكيفية أخذ الكمبيوتر للعينات، والطبيعة المحددة للبيئة التي يحاول فهمها.