MDFI: A Multi-Domain Features Integration for Compressed Video Quality Enhancement

في العالم الحديث، تُعدُّ الفيديو اللغة الأساسية للتواصل والترفيه والمعلومات. فمن البث عالي الدقة الذي ينقل عوالم بعيدة إلى غرف معيشتنا، إلى البث المباشر الذي يربطنا بالأخبار العاجلة، يظل الطلب على الوضوح البصري مستمرًا بلا هوادة. ومع ذلك، لإرسال هذه الكميات الهائلة من البيانات عبر الإنترنت، يجب ضغطها، أي حشرها في حزم أصغر لتنتقل بشكل أسرع وأقل تكلفة. وهذه العملية، رغم ضرورتها، تجرد المحتوى حتمًا من التفاصيل. الأمر يشبه طي خريطة كبيرة لتوضع في جيب صغير؛ تظل الخريطة صالحة للاستخدام، لكن الخطوط الدقيقة والمنسوجات الناعمة تصبح مشوشة أو مشوهة. لعقود من الزمن، عمل المهندسون على جعل هذه الملفات المضغوطة أصغر حجمًا دون فقدان الكثير من الجودة، ولكن مع ارتفاع دقة الفيديو نحو الدقة الفائقة (Ultra-HD) والتجارب الغامرة، بدأت الأساليب القديمة تعاني. والنتيجة غالبًا ما تكون صورة تبدو مربعة أو ناعمة، تفتقر إلى الحدة والانسيابية التي تتوقعها أعيننا.

لقد اقترح فريق من الباحثين الآن طريقة جديدة لإصلاح هذه الصور التالفة، ليس من خلال التخمين عما فُقد، بل باستخدام القرائن ذاتها التي تُركت خلف عملية الضغط نفسها. يقدم عملهم، الذي يحمل عنوان (MDFI)، نظامًا يعمل كمُرمم متطور للفيديو الذي تم ضغطه بواسطة الجيل الأحدث من معايير الترميز. فبدلاً من النظر إلى صورة واحدة ثابتة ومحاولة تخمين كيف ينبغي أن تبدو، يراقب هذا النهيد الجديد الفيديو أثناء حركته، مستخدمًا التعليمات المخفية التي تخبر الكمبيوتر بكيفية بناء الصورة. ومن خلال الجمع بين هذه التعليمات المخفية والفهم العميق لكيفية تفاعل الضوء والحركة عبر الزمن، يمكن للنظام إعادة بناء فيديو أكثر وضوحًا وطبيعية مما يمكن أن تحققه الطرق القياسية.

يكمن جوهر هذه الطريقة الجديدة في إدراك بسيط ولكنه قوي: عندما يتم ضغط الفيديو، لا يقوم الكمبيوتر بمجرد التخلص من المعلومات، بل ينشئ تنبؤًا بما يجب أن تبدو عليه الإطار التالي بناءً على ما سبقه. ويُخزن هذا التنبؤ في تدفق البيانات كمجموعة من التعليمات. كانت المحاولات السابقة لإصلاح الفيديو المضغوط تتجاهل هذه التعليمات، حيث تعاملت مع الفيديو التالف كأنه لغز ثابت يجب حله إطارًا تلو الآخر. وقد وجد الباحثون أن هذا النهج كان يفتقد قطعة حاسمة من اللغز. لذا، صُمم نظامهم الجديد (MDFI) لقراءة تعليمات التنبؤ هذه واستخدامها كدليل. فهو يأخذ الفيديو الضبابي والمربع الناتج عن وحدة فك التشفير القياسية، ويغذيه في شبكة عصبية تم تدريبها على تمييز الفرق بين الصورة المتوقعة والصورة الأصلية عالية الجودة.

ولإنجاح هذا العمل، بنى الباحثون إطار عمل يعمل عبر ثلاث طبقات متميزة ولكنها متصلة. أولاً، ينظر النظام إلى بيانات التنبؤ — "التخمين" الذي وضعه الكمبيوتر حول المشهد — ويستخدمها لمحاذاة الإطار الحالي مع الإطارات التي سبقته والتي تليه. وهذا يضمن بقاء الأجسام المتحركة، مثل شخص يمشي أو كرة تطير، حادة ولا تهتز أو تتلطخ. بعد ذلك، يقوم النظام بدمج المعلومات من تسلسل الإطارات بأكمله، مما يسمح له باستعارة التفاصيل من اللحظات الزمنية المجاورة لملء الفجوات حيث كان الضغط شديدًا للغاية. وأخيرًا، يحلل أنماط تردد الصورة، وهي وسيلة للتمييز بين المناطق الناعمة والمنسوجات الدقيقة، لاستعادة التفاصيل الصغيرة التي تجعل الصورة تبدو حقيقية. يسمح هذا النهج متعدد الطبقات للنظام باستعادة التفاصيل التي كان يُعتقد سابقًا أنها فُقدت للأبد.

لاختبار فكرتهم، لم يعتمد الفريق فقط على البيانات الموجودة، بل أنشأوا مكتبة جديدة وشاملة من تسلسلات الفيديو المصممة خصيصًا لهذا النوع من الأبحاث. تتضمن هذه المجموعة من البيانات مقاطع الفيديو الأصلية الخام، والنسخ المضغوطة التي تم إنشاؤها بمعيار (H.266) الأحدث، وإطارات التنبؤ المحددة التي تولدها عملية الضغط. ومن خلال تدريب نظامهم على هذه المجموعة الغنية، ضمن الباحثون قدرة النموذج على التعرف على أنواع الأخطاء المحددة التي تسببها عمليات الضغط الحديثة. ثم وضعوا نظامهم قيد الاختبار مقابل أفضل الأساليب الحالية المتاحة. وكانت النتائج واضحة: أنتج نهجهم باستمرار صورًا ذات جودة أعلى، مما قلل من الآثار المربعة والضبابية التي تعاني منها الفيديوهات المضغوطة. ومن الناحية التقنية، حسّن أسلوبهم وضوح الفيديو بهامش ملحوظ مقارنة بأحدث ما توصل إليه العلم، وفي الاختبارات البصرية، بدت الفيديوهات المستعادة أكثر طبيعية بشكل كبير، حيث حافظت على الحواف الحادة للوجوه ونسيج الملابس التي كانت الطرق الأخرى تجعلها ناعمة.

كما استكشف الباحثون مدى تعقيد النظام الذي يحتاجون إليه لتحقيق هذه النتائج. ووجدوا أنه بينما قدم إصدار أكبر وأكثر قوة من نموذجهم أفضل جودة مطلقة، فإن حتى النسخ الأصغر والأكثر كفاءة يمكنها التفوق على الأساليب القديمة مع استخدام قدر أقل من قوة الحوسبة. وتعد هذه المرونة مهمة لأنها تعني إمكانية تكييف هذه التكنولوجيا لاستخدامات مختلفة، من الخوادم القوية في السحابة إلى الأجهزة ذات قدرات المعالجة المحدودة. تؤكد الدراسة أنه من خلال النظر إلى الفيديو ليس فقط كسلسلة من الصور، بل كتسلسل ديناميكي موجه بقواعد إنشائه الخاصة، يمكننا استعادة مستوى من الجودة كان بعيد المنال سابقًا. ويشير هذا العمل إلى أن مستقبل تحسين الفيديو لا يكمن في تجاهل عملية الضغط، بل في فهم واستغلال المعلومات المخفية التي تتركها وراءها لإعادة الحياة إلى الصورة.