Improving Image Compression Ratio Using the mUMamba Image Restoration Network

تنتقل يومياً نحو ثلاثة مليارات صورة عبر العالم الرقمي، تتحرك من الهواتف إلى الخوادم ومن ثم تعود مرة أخرى. هذا التدفق الهائل من البيانات المرئية يتطلب مساحات تخزين شاسعة واتصالات إنترنت قوية للتحرك دون تأخير. وللحفاظ على استمرارية هذا النظام، اعتمد المهندسون لفترة طويلة على ضغط البيانات، وهي عملية تعمل على تقليص حجم الملفات عن طريق إزالة المعلومات التي من غير المرجح أن تلاحظها العين البشرية. تعمل الطرق التقليدية من خلال تطبيق مجموعة موحدة من القواعد على صورة كاملة، حيث تعامل سماءً صافية بنفس النهج الرياضي الذي تعامل به غابة معقدة. ورغم فعاليتها، إلا أن هذه التقنيات القياسية غالباً ما تكافح لتحقيق التوازن بين الحاجة إلى أحجام ملفات صغيرة والرغبة في الحصول على صور حادة وواضحة؛ إذ قد تغفل عن الفروق الدقيقة بين خلفية بسيطة ومقدمة مفصلة، مما يؤدي إما إلى ملفات ضخمة أو نتائج ضبابية.

يسعى نهج جديد لحل هذه المشكلة من خلال التعامل مع أجزاء مختلفة من الصورة بطرق مختلفة، تماماً مثل أمين مكتبة يعرف الكتب التي نادراً ما تُقرأ وتلك التي تُستعار يومياً. فقد طور الباحثون نظاماً يحدد الأجزاء الضرورية من الصورة والأجزاء التي يمكن تنحيتها مؤقتاً لتوفير المساحة. والهدف هو حذف الأجزاء غير الضرورية أثناء الإرسال ثم إعادة بنائها عند وصول الصورة إلى وجهتها. يتطلب هذا وجود "مفكك تشفير" (decoder) لا يكون مجرد مستقبِل سلبي، بل مستعيداً نشطاً قادراً على تخمين التفاصيل المفقودة بدقة عالية، وإن لم تكن مثالية، حيث يظل بعض خطأ إعادة البناء قائماً.

في دراسة حديثة، قدم باحثون من جامعة Semnan في إيران نظاماً يسمى mUMamba لمعالجة هذا التحدي. يجمع أسلوبهم بين التحليل الذكي لمحتوى الصورة وبين نوع جديد وقوي من الذكاء الاصطناعي المصمم لعمليات الاستعادة. تبدأ العملية بتفكيك الصورة إلى مربعات صغيرة، ثم يفحص النظام هذه المربعات على ثلاثة مستويات مختلفة من التفاصيل، حيث ينظر إليها كمربعات كبيرة (16×16)، ومربعات متوسطة (8×8)، ومربعات صغيرة (4×4). وفي كل مستوى، يقرر النظام ما إذا كان المربع بسيطاً بما يكفي ليتم حذفه. فإذا كان المربع يحتوي على منطقة ناعمة وغير متغيرة، يتم تحديده للحذف، أما إذا كان يحتوي على حافة حادة أو نمط معقد، فيتم الاحتفاظ به. يسمح هذا النهج الهرمي للنظام بأن يكون أكثر صرامة مع المناطق البسيطة بينما يحافظ بعناية على التفاصيل المعقدة التي تحدد ملامح الصورة.

بمجرد تحديد المربعات القابلة للإزالة، لا يقوم النظام بمجرد التخلص منها، بل يرسل كمية صغيرة من "القرائن" مع بيانات الصورة المتبقية. فبالنسبة للمربعات التي تمت إزالتها لأنها كانت ناعمة، يرسل النظام سهماً بسيطاً يشير إلى اتجاه تغير اللون. أما بالنسبة للمربعات التي تمت إزالتها لأنها كانت تحتوي على حافة، فيرسل خريطة توضح مكان تلك الحافة. ومن الأهمية بمكان أن الأجزاء التي تم الاحتفاظ بها في الصورة لا تُترك بدون ضغط، بل يتم ترميزها باستخدام ضغط JPEG القياسي قبل الإرسال. وهكذا تصبح الصورة الأصلية أصغر بكثير، لكنها غير مكتملة؛ إذ يجب إعادة بناء القطع المفقودة بواسطة الجهاز المستقبِل باستخدام البكسلات المضغوطة بصيغة JPEG وهذه القرائن الصغيرة فقط.

ولإجراء عملية إعادة البناء هذه، استخدم الباحثون شبكة عصبية، وهي نوع من برامج الكمبيوتر المستوحاة من الدماغ البشري، مبنية على هيكل يُعرف باسم U-Net. هذه الشبكة تتخذ شكل حرف U، حيث يوجد مسار يضغط معلومات الصورة ومسار آخر يوسعها لتعود إلى حجمها الأصلي. وما يجعل mUMamba فريداً هو المحرك الذي يستخدمه لمعالجة الطبقات العميقة لهذه الشبكة؛ فبدلاً من الأدوات القياسية المستخدمة في معظم برامج الصور، دمج الباحثون مكوناً يعتمد على بنية جديدة تسمى Mamba. هذا المكون بارع للغاية في فهم الروابط طويلة المدى داخل البيانات، مما يسمح له بالنظر بعيداً عبر الصورة لإيجاد السياق اللازم لملء الفجوات. إنه يعمل مثل فنان ماهر يمكنه النظر إلى حواف قطعة الأحجية المفقودة ومعرفة ما يجب أن يكون في مركزها فوراً بناءً على الصورة المحيطة.

تم اختبار نتائج هذا النهج على مجموعة كبيرة من صور الاختبار القياسية، وحقق النظام نسبة ضغط بلغت 46.5 بالمائة، مما يشير إلى انخفاض كبير في حجم البيانات، مع الحفاظ على مستوى عالٍ من الجودة المرئية. وعند قياسه بالمعايير القياسية التي تقارن الصورة المستعادة بالأصلية، حقق النظام درجة تشير إلى تطابق وثيق، حيث بلغ مؤشر نسبة الإشارة إلى الضجيج القصوى (PSNR) نحو 25.15 ديسيبل. والأهم من ذلك، أن النظام كان أسرع بكثير وتطلب قدرة حوسبة أقل بكثير من الطرق المتقدمة الأخرى؛ فقد استخدم 8.5 مليون معلمة فقط (وهي الإعدادات الداخلية التي يتعلمها الكمبيوتر أثناء التدريب)، مقارنة بأكثر من 40 مليون معلمة في الأنظمة المنافسة. وتعني هذه الكفاءة أن النظام يمكنه العمل على أجهزة أصغر، مثل الهواتف المحمولة أو المستشعرات في المواقع النائية، دون الحاجة إلى حاسوب فائق القدرة.

كما قارن الباحثون طريقتهم بأفضل المعايير الحالية المستخدمة في الصناعة، مثل BPG وVVC، ووجدوا أن mUMamba يمكنه تحقيق نفس الجودة المرئية بمعدل بيانات أقل، مما يوفر فعلياً 18.2 بالمائة من عرض النطاق الترددي المطلوب من تلك المعايير. وفي المقارنات المباشرة مع أدوات ضغط الصور الحديثة القائمة على الذكاء الاصطناعي، حسّن النظام الجديد من التشابه الهيكلي للصور بنسبة تقارب 23 بالمائة ومن الوضوح بنسبة 7 بالمائة. وقد تحققت هذه المكاسب مع تقليص الوقت المستغرق لمعالجة الصورة بنحو الثلث.

تسلط الدراسة الضوء على أن مفتاح هذا النجاح لم يكن مجرد استخدام شبكة عصبية قوية، بل الطريقة المحددة التي دُمجت بها مع الطريقة الكلاسيكية لإزالة المربعات. فمن خلال تقسيم المهمة إلى جزأين متميزين — أولاً، القرار المنطقي بشأن ما يتم إزالته وضغطه باستخدام JPEG القياسي، وثانياً، المهمة الإبداعية لإعادة بناء الأجزاء المفقودة — أنشأ الباحثون نظاماً يتسم بالكفاءة والفعالية في آن واحد. كما سمحت الاستراتيجية الهرمية بفحص المربعات بأحجام مختلفة للنظام بالعثور على المزيد من فرص الضغط دون التضحية بجودة الصورة النهائية.

وعلى الرغم من أن النظام يظهر وعداً كبيراً، إلا أن الباحثين يشيرون إلى أنه يعمل بشكل أفضل حالياً مع الصور ذات الحجم الثابت ويعتمد على الضغط القياسي للأجزاء التي يتم الاحتفاظ بها. وسيهدف العمل المستقبلي إلى جعل النظام أكثر مرونة للصور من أي حجم، واستبدال المكونات القياسية المتبقية بمكونات مدفوعة بالكامل بالذكاء الاصطناعي. أما في الوقت الحالي، فإن إطار عمل mUMamba يمثل خطوة هامة للأمام في جعل نقل الصور أسرع وأكثر كفاءة، مما يثبت أنه من خلال الفهم العميق لمحتوى الصورة، يمكننا إرسال المزيد بموارد أقل.