Loss-Guided Density Control and Efficient Backward Optimisation for Compact Gaussian Splatting

تخيل أنك تحاول بناء نموذج ثلاثي الأبعاد مثالي لمشهد من العالم الحقيقي، مثل ساحة مدينة صاخبة أو غابة هادئة، باستخدام حفنة من الصور الفوتوغرافية فقط. لسنوات، كافح العلماء لجعل هذه النماذج تبدو واقعية مع الحفاظ على صغر حجمها ليتم تحميلها بسرعة على الكمبيوتر. الهدف هو إنشاء توأم رقمي يمكنك التجول فيه، ورؤيته من أي زاوية، دون أن تصبح الصورة ضبابية أو يتباطأ الكمبيوتر بشكل كبير. لقد غير اختراق حديث يُسمى "التنقيط الغاوسي ثلاثي الأبعاد" (3D Gaussian Splatting) قواعد اللعبة عبر تمثيل المشهد ليس كشبكة صلبة، بل كسحابة من ملايين الأشكال البيضاوية الصغيرة والضبابية. فكر في هذه الأشكال البيضاوية كأنها سحب ناعمة ومتوهجة من الألوان تتداخل لتشكل الصورة النهائية. وبينما تنتج هذه الطريقة صوراً مذهلة فورياً، فإن عملية تعليم الكمبيوتر كيفية ترتيب هذه السحب غالباً ما تكون بطيئة ومبذرة. إذ يميل الكمبيوتر إلى إنشاء الكثير من السحب في الأماكن التي تكون فيها الصورة واضحة بالفعل، ولا ينشئ ما يكفي في الأماكن التي تفتقر إلى التفاصيل، مما يؤدي إلى نموذج متضخم يستغرق وقتاً طويلاً في التدريب.

اقترح باحثون من جامعة تشنغدو للتكنولوجيا وشركة شنتشن لتقنية بيانات الاستشعار طريقة جديدة لتدريب هذه النماذج تكون أسرع وأكثر كفاءة. يركز نهجهم على ثلاثة تحسينات رئيسية: منع الكمبيوتر من صنع سحب غير ضرورية، وإزالة السحب التي لا تقدم فائدة، وتسريع الحسابات الكامنة وراء المشهد. وبدلاً من إضافة المزيد من السحب بشكل عشوائي كلما بدت الصورة ضبابية قليلاً، تنظر طريقتهم الجديدة إلى الأخطاء الفعلية في الصورة على مدار فترة زمنية. فإذا تم إعادة بناء منطقة معينة من الصورة بشكل جيد لعدة جولات، فإن النظام يعرف أنه يجب التوقف عن إضافة السحب هناك، ويسمح فقط بتشكل سحب جديدة في البقاع التي لا تزال تكافح لتبدو بشكل صحيح. هذا يمنع النموذج من أن يصبح مزدحماً بقطع زائدة لا تفعل شيئاً سوى إبطاء العمل.

بمجرد أن يضيف النموذج سحباً جديدة، قدم الباحثون أيضاً طريقة لتنظيف الفوضى؛ حيث طوروا اختباراً لتحديد السحب التي تكون إما باهتة جداً بحيث لا تُرى، أو متذبذبة جداً بحيث لا تكون مفيدة. يتم تقليم هذه السحب غير المستقرة أو غير المرئية، مما يترك وراءه مجموعة أكثر رشاقة وفعالية من الأشكال. ولجعل العملية برمتها أسرع، أعاد الفريق كتابة الكود البرمجي الأساسي الذي يتولى المهام الشاقة. ومن خلال تنظيم البيانات بطريقة يمكن لمعالج الرسوميات في الكمبيوتر قراءتها بسلاسة أكبر، قللوا من الوقت المستغرق في حساب كيفية تغير الصورة. يشبه هذا ما قد يفعله أمين مكتبة ينظم الكتب على الرف حتى يتمكن الزائر من التقاط الكتاب التالي دون الحاجة للمشي ذهاباً وإياباً عبر الغرفة؛ فالكتب هي نفسها، لكن المسار للوصول إليها أصبح أقصر بكثير.

إن نتائج هذا العمل كبيرة. فعند اختبارها على مجموعات بيانات معقدة تحتوي على مشاهد مثل دراجة في حديقة أو دبابة في معبد، قللت الطريقة الجديدة إجمالي وقت التدريب بفارق كبير مقارنة بالتقنيات السابقة. وفي اختبار محدد لمشهد دراجة، انخفض وقت التدريب من أكثر من 224 ثانية إلى 190 ثانية فقط، بينما انخفض العدد النهائي للسحب المستخدمة لبناء المشهد بنسبة تقرب من النصف، من أكثر من 947,000 إلى حوالي 570,000 سحابة. وبالر despite استخدام عدد أقل من السحب والانتهاء بشكل أسرع، ظلت جودة الصور النهائية عالية، حيث بقيت حدة الصور ودقة الألوان قريبة جداً من الطرق الأبطأ الأصلية. وجد الباحثون أنه من خلال كونهم أكثر ذكاءً في تحديد متى يضيفون التفاصيل ومتى يزيلونها، استطاعوا إنشاء نماذج ثلاثية الأبعاد مدمجة وعالية الجودة دون التضحوة بالدقة البصرية التي تجعل هذه المشاهد مقنعة للغاية. وهذا يشير إلى أن مستقبل إنشاء العوالم الرقمية قد لا يكمن فقط في إضافة المزيد من البيانات، بل في إدارتها بدقة أكبر.