Hybrid Neural Radiance Fields and Diffusion-Based Framework for Geometry-Preserving Selfie Perspective

في كل مرة يمسك فيها شخص بهاتف ذكي على مسافة ذراع واحدة لالتقاط صورة سيلفي، فإنه يدعو دون علمٍ خدعةً هندسية. ولأن الكاميرا قريبة جداً من الوجه، فإن قوانين المنظور تتسبب في جعل الملامح الأقرب للعدسة — وعادة ما تكون الأنف والوجنتين — تبدو ضخمة بشكل غير متناسب، بينما تبدو الأذنان ومؤخرة الرأس وكأنها تتقلص وتتسطح. هذا التشوه ليس مجرد إزعاج جمالي؛ بل إنه يغير البنية الأساسية للوجه، مما يخلق نسباً غير طبيعية يمكن أن تربك أنظمة التعرف على الوجوه، وتعيق الأمن البيومتري، وتجعل الصور الرمزية الرقمية (الأفاتار) تب

لقد حاول علماء الكمبيوتر لسنوات طويلة إصلاح ذلك باستخدام برمجيات تقوم ببساطة بمط أو تشويه الصورة المسطحة، لكن هذه الطرق غالباً ما تفشل لأنها لا تدرك أن الوجه هو كائن ثلاثي الأبعاد، وليس مجرد صورة ثنائية الأبعاد. يمكن لهذه البرامج تنعيم تجعيدة ما، لكنها لا تستطيع إعادة بناء الشكل الأساسي لأنف قد تمدد بفعل عدسة واسعة الزاوية.

ولحل هذه المعضلة، توجه الباحثون إلى نهج أكثر تطوراً يعامل الوجه كحجم من الفراغ بدلاً من كونه سطحاً مسطحاً. يتضمن ذلك إعادة بناء الهندسة ثلاثية الأبعاد المخفية للوجه من صورة واحدة، وحساب كيفية تموضع الكاميرا بدقة، ثم "تحريك" وجهة النظر رياضياً إلى مسافة أكثر طبيعية. ومع ذلك، كان القيام بذلك بدقة كافية لتبدو النتيجة واقعية أمراً صعباً؛ فالطرق التقليدية غالباً ما تنتج نتائج ضبابية أو تفقد الهوية الفريدة للشخص في هذه العملية. تقترح دراسة جديدة أجراها فريق من الباحثين من مؤسسات في الهند والولايات المتحدة نظاماً هجيناً يجمع بين ثلاث تقنيات متميزة للتغلب على هذه العقبات. ومن خلال نسج طريقة لبناء المشاهد ثلاثية الأبعاد، مع أداة رياضية قوية لإيجاد الحل الأمثل، ونظام توليدي لتنقية التفاصيل الصورية، نجح الفريق في إنشاء إطار عمل يمكنه تصحيح تشوه السيلفي مع الحفاظ على مظهر وجه الشخص تماماً كما هو.

يعتمد جوهر هذا الإطار الجديد على تقنية تُعرف باسم "حقول الإشعاع العصبية"، أو NeRF. تخيل سحابة رقمية من النقاط تملأ الفضاء حول الوجه، حيث يعرف كل نقطة لونها ومدى كثافتها. بدلاً من بناء وجه من شبكة سلكية، يتعلم هذا النظام رسم حجم مستمر من الضوء والمادة. عندما يغذي الباحثون هذا النظام بصورة سيلفي مشوهة، يقوم أولاً بتقدير عمق الوجه وموقع الكاميرا، ثم يستخدم هذه المعلومات لإعادة بناء الشكل ثلاثي الأبعاد الكامل للوجه، مما يؤدي فعلياً إلى "إلغاء تشويه" الهندسة عبر محاكاة كيف سيبدو الوجه إذا كانت الكاميرا أبعد مسافة. هذه الخطوة حاسمة لأنها تعيد العلاقات المكانية الصحيحة بين الأنف والعينين والأذنين قبل حتى إنتاج أي صورة.

ومع ذلك، فإن بناء هذا النموذج ثلاثي الأبعاد هو لغز رياضي معقد. فإيجاد الترتيب المثالي للنقاط وإعدادات الكاميرا يتطلب عملية تحسين، وهي في الأساس عملية بحث عن أفضل إجابة ممكنة من بين مليارات الاحتمالات. وجد الباحثون أن طرق البحث القياسية غالباً ما تتعثر في فخاخ محلية أو تتحرك ببطء شديد للوصول إلى الحل الحقيقي. ولحل هذه المشكلة، دمجوا تقنية عددية من رتبة أعلى تسمى تحسين "رونج-كوتا" (Runge-Kutta). وبدلاً من اتخاذ خطوات صغيرة ومترددة مثل متسلق يشعر بطريقه نحو أسفل الجبل، تقوم هذه الطريقة بحساب ميل التضاريس عند عدة نقاط مسبقاً للتنبؤ بالمسار الأكثر كفاءة. وهذا يسمح للنظام بالتقارب نحو الهندسة ثلاثية الأبعاد الصحيحة بشكل أسرع وبثبات أكبر، مما يضمن أن يكون الوجه المعاد بناؤه سليماً من الناحية الهيكلية وخالياً من الأخطاء التي تعاني منها الطرق الأبسط.

بمجرد أن يقوم النظام بتوليد إعادة بناء ثلاثية الأبعاد وإعادة عرضها كصورة ثنائية الأبعاد، تكون النتيجة غالباً صحيحة هندسياً ولكنها قد تبدو "ناعمة" قليلاً أو تفتقر إلى الملمس الدقيق للجلد الحقيقي. ولمعالجة ذلك، أضاف الفريق مرحلة أخيرة باستخدام وحدة تنقية قائمة على الانتشار (Diffusion-based). يعمل هذا المكون مثل محسن صور عالي الجودة يتعلم كيفية إزالة الضبابية والعيوب الناتجة عن عملية الرندرة ثلاثية الأبعاد. وهو يعمل من خلال تنظيف الصورة بشكل تكراري، وإعادة إضافة التفاصيل الدقيقة لمسام الجلد والشعر مع الالتزام الصارم بالهيكل الهندسي الذي تم تأسيسه في الخطوة السابقة. ومن الأهمية بمكان أن هذه التنقية موجهة بواسطة "دالة فقدان" تضمن بقاء هوية الشخص دون تغيير، مما يمنع النظام من استبدال الملامح بالخطأ أو خلق نسخة "مهلوسة" من الوجه.

اختبر الباحثون نظامهم على ست مجموعات بيانات مختلفة تحتوي على آلاف الوجوه، تتراوح من الصور الشخصية في الاستوديوهات المنضبطة إلى صور السيلفي الواقعية الفوضوية ذات الزوايا الحادة والإضاءة الضعيفة. تم قياس النتائج باستخدام مقاييس قياسية تقيم جودة الصورة والحفاظ على الهوية. حقق الإطار الجديد نسبة ذروة للإشارة إلى الضوضاء بلغت 32.8 ديسيبل ودرجة تشابه هيكلي بلغت 0.94، وهي أرقام تشير إلى درجة عالية جداً من الدقة. والأهم من ذلك، حافظ النظام على درجة تشابه في الهوية بلغت 0.95، مما أثبت أن الصور المصححة لا تزال تشبه الأشخاص الأصليين. وفي مقارنات مباشرة، تفوقت الطريقة الجديدة على النهج القائمة على الشبكات العصبية الالتفافية (CNN) والشبكات التنافسية التوليدية (GAN)، والتي غالباً ما كانت تعاني في الموازنة بين الدقة الهندسية والواقعية البصرية.

تؤكد الدراسة أن الجمع بين إعادة البناء الحجمي ثلاثي الأبعاد والتحسين المتقدم والتنقية التوليدية يقدم حلاً قوياً لمشكلة تشوه السيلفي القديمة. فمن خلال معاملة الوجه ككائن مادي في الفضاء بدلاً من صورة مسطحة، يمكن للنظام تصحيح الملامح المبالغ فيها الناتجة عن التصوير من مسافة قريبة دون فقدان ملامح الشخص. وبينما يتطلب النموذج الحالي قدرة حوسبة كبيرة وليس جاهزاً بعد للاستخدام في الوقت الفعلي على الهواتف المحمولة، فإن النتائج تشير إلى مسار واضح للتطبيقات في مجالات الواقع المعزز، والواقع الافتراضي، وإنشاء المحتوى الرقمي. ويظهر هذا العمل أنه عندما تتلاقى الهندسة والتحسين والفن التوليدي، يصبح من الممكن استعادة النسب الطبيعية للوجه البشري، وتحويل صورة السيلفي المشوهة إلى بورتريه أمين.