Regularized Channel-Attentive Adversarial Learning for Unpaired Image Translation

تخيل أنك معلم فنون بارع تحاول تعليم طالب كيفية الرسم بأسلوب فان جوخ، لكن ليس لديك أي أمثلة لرسومات الطالب الأصلية بجانب لوحات فان جوخ. لديك فقط كومة من رسومات الطالب وكومة منفصلة من روائع فان جوخ. هذا هو العالم المعقد لـ "ترجمة الصور غير المزدوجة" في علوم الحاسوب؛ وهو فرع من فروع الذكاء الاصطناعي حيث تحاول الحواسيب تعلم كيفية تحويل نوع واحد من الصور إلى نوع آخر — مثل تحويل صورة حصان إلى حمار وحشي، أو خريطة شارع إلى منظر من قمر صناعي — دون الحاجة إلى تطابق مثالي جنباً إلى جنب لكل صورة.

للقيام بذلك، غالباً ما تستخدم الحواسيب لعبة ذكية تسمى "الشبكة التنافسية التوليدية" (أو ما يعرف بـ GAN). فكر في الأمر كأنه مُزوّر ومحقق محبوسان في غرفة واحدة: المُزوّر (المولد) يحاول إنشاء صور مزيفة تبدو حقيقية للغاية لدرجة أن المحقق (المميز) لا يستطيع التمييز بينها وبين الحقيقة. يصبح المحقق أفضل في كشف التزييف، مما يجبر المُزوّر على أن يصبح أفضل في عملية التزييف. يستمرون في لعب هذه اللعبة حتى يصبح المُزوّر ماهراً. ومع ذلك، في الماضي، كان هؤلاء المُزوّرون يرتكبون أخطاءً: كانت "الحمر الوحشية" التي يصنعونها ذات خطوط ضبابية، و"الخرائط" التي ينتجونها تحتوي على طرق تختفي، ولوحاتهم كانت تبدو وكأنها ألوان مائية ملطخة. لقد عانوا للحفاظ على التفاصيل المهمة حادة أثناء تغيير الأسلوب.

هنا يأتي دور دراسة جديدة من باحثين في جامعة هاربين العادية (Harbin Normal University) لتتدخل. إنهم يقترحون طريقة أكثر ذكاءً للعب هذه اللعبة، ويطلقون على نظامهم الجديد اسم "CAR-GAN". فبدلاً من مجرد ترك المُزوّر والمحقق يلعبان بالقواعد القديمة، أضافوا ثلاث ترقيات خاصة للفريق. أولاً، منحوا المُزوّر "نظارات ذكية" (تسمى انتباه القنوات - Channel Attention) تساعده على التركيز فقط على التفاصيل الأكثر أهمية، مثل ملمس الفراء أو خطوط المبنى، وتجاهل الضجيج. ثانياً، قاموا بتعيين محقق أكثر خبرة عبر جعل دماغ المحقق أكثر عمقاً وتعقيداً، ليتمكن من رصد حتى أدق العيوب في الصور المزيفة. وأخيراً، أضافوا "قاعدة النعومة" (تسمى تنظيم التباين الكلي - Total Variation regularization) والتي تعمل كيد لطيفة، تقوم بتنعيم الحواف الخشنة والحبيبية للوحة دون طمس الخطوط الحادة.

إن نتائج هذا النهج الجديد واعدة للغاية. فعندما اختبر الباحثون نظامهم على ثلاثة تحديات مختلفة — تحويل خرائط الشوارع إلى مناظر من أقمار صناعية، وتغيير الخيول إلى حمر وحشية، وتحويل الصور إلى لوحات بأسلوب فان جوخ — أدى نظام CAR-GAN الجديد أداءً أفضل من أفضل الطرق السابقة. في مجموعة بيانات الخرائط، على سبيل المثال، حقق النظام درجة 37.3 في مدى جودة التعرف على معالم الخريطة، متفوقاً على أفضل طريقة تالية التي سجلت 34.8. كما أنتج صوراً بها عيوب بصرية أقل وأنسجة أكثر نعومة. تشير الدراسة إلى أنه من خلال الجمع بين هذه الترقيات الثلاث المحددة، يمكن للحاسوب إنشاء ترجمات أكثر واقعية واستقراراً، متجنباً الفوضى الضبابية والتشوهات الغريبة التي عانت منها النسخ السابقة. وبينما يستغرق النظام وقتاً أطول قليلاً في التدريب لأنه أكثر تعقيداً، إلا أنه يظهر أن منح الذكاء الاصطناعي تركيزاً أفضل، وعيناً أكثر حدة، ولمسة أكثر نعومة، يمكن أن يؤدي إلى نتائج ذات جودة أعلى بكثير في عالم الفن الرقمي وتحويل الصور.