كاميرا ستريو قابلة للارتداء تقدّر حجم الطعام بخطأ 9,1% دون جسم مرجعي

اقترح مؤلفو الورقة البحثية المبدئية arXiv 2610.12735 تقدير حجم الطعام انطلاقًا من تسجيل ستريو واحد بكاميرا قابلة للارتداء. فلا حاجة إلى هاتف ولا إلى سلسلة صور ولا إلى عملة معدنية بجانب الطبق لتحديد المقياس. وعلى خمسة أطباق جرى تسجيلها، بلغ متوسط الخطأ المئوي المطلق للحجم 9,1%. وتُقدَّم الدراسة بوصفها خطوة نحو تسجيل التغذية بصورة سلبية، بحيث يأكل الشخص ببساطة ويحتسب النظام الحصص بنفسه.

من أين يأتي المقياس

تعتمد طرق تقدير الحصص الغذائية القائمة على الستريو اليوم على جهد المستخدم. فعليه تصوير الطبق بالهاتف من عدة زوايا، أو وضع جسم معروف الحجم في الإطار، وإلا جاءت إعادة البناء صحيحة الشكل لكن حجمها الفعلي مجهول. ولا يلائم هذا السيناريو المراقبة المنتظمة للتغذية، إذ تتحول كل وجبة إلى إجراء صغير.

يعتمد المؤلفون على ما يتوافر أصلًا في الجهاز القابل للارتداء. أولًا، المسافة بين عدستي الستريو معايَرة في المصنع، أي أنها معروفة بدقة، فتُعبَّر العمق المحسوب من فرق التباين (disparity) مباشرة بالأمتار. وثانيًا، يقدّر الجهاز أوضاع الكاميرا بنفسه عبر القياس البصري-القصوري (VIO). ويمنح الجمع بين الأمرين مقياسًا مترّيًا دون جسم مرجعي في المشهد ودون ضبط يدوي.

كيف يعمل خط المعالجة

يتكوّن النظام بأكمله من مكوّنات جاهزة، ولم يُدرَّب أي منها خصيصًا على الطعام:

• FoundationStereo — مطابقة ستريو بنمط zero-shot، وتنتج خرائط عمق من زوج الإطارات؛
• SAM 2 — تجزئة الطبق لفصل الطعام عن الصحن والطاولة؛
• دمج TSDF على مجموعة من الإطارات المفتاحية — يوحّد خرائط العمق في شبكة ثلاثية الأبعاد واحدة (mesh).

والناتج شبكة ثلاثية الأبعاد (mesh) لأي طبق موضوع في الصحن بالمقياس الفيزيائي الحقيقي، ومنها يُحتسب الحجم. ويؤكد المؤلفون أن إعادة البناء تلقائية بالكامل وتعتمد على تسجيل ستريو واحد.

المعطيات الأساسية للدراسة:

• المدخل: تسجيل ستريو واحد من جهاز قابل للارتداء يلتقط المشهد من منظور المستخدم؛
• المقياس: المسافة المعايَرة مصنعيًا بين العدستين مضافًا إليها أوضاع الكاميرا من VIO، دون جسم مرجعي؛
• المخرج: شبكة ثلاثية الأبعاد (mesh) للطبق دقيقة بصريًا ومترّيًا؛
• العيّنة: خمسة أطباق؛
• متوسط الخطأ المئوي المطلق للحجم: 9,1%.

ما لم يثبت بعد

إن الأطباق الخمسة إثبات جدوى لا اختبار معياري (benchmark). والورقة نسخة أولى مبدئية لم تخضع لمراجعة الأقران. ولا يتضمن الملخص مقارنة مع الطرق القائمة على الهاتف أو تلك التي تعتمد جسمًا مرجعيًا، ولذلك لا يمكن الحكم على ما إذا كان 9,1% أفضل من البدائل أم أسوأ. كما أن سلوك خط المعالجة غير معروف مع الصلصات الشفافة والحساء والأطباق التي تتداخل أجزاؤها، وفي الإضاءة الضعيفة، وعند حركة الرأس أثناء الأكل.

وثمة سؤال منفصل عمّا يُفعل بالحجم لاحقًا. فحساب السعرات والمغذيات يتطلب معرفة نوع الطبق وكثافته، وهذه مسألة أخرى لا تعالجها الطريقة. فالحجم لا يحل سوى إحدى أكثر المشكلات إزعاجًا، وهي عدم اليقين بشأن الحصة.

أين قد يفيد هذا

أوضح مجال هو الأجهزة القابلة للارتداء المزوّدة بكاميرات ستريو وVIO مدمجة، مثل النظارات الذكية. وإذا كانت المعايرة المصنعية وأوضاع الكاميرا متاحة عبر API، فبإمكان مطوّر تطبيقات التغذية الحصول على هندسة مترّية للطبق دون أي متطلبات من المستخدم. وبالنسبة إلى باحثي التغذية، يَعِد هذا النهج بجمع بيانات أقل تطفلًا من يوميات الصور.

وينبغي متابعة تطور العمل من ثلاث زوايا: هل ستظهر عيّنة أكبر بكثير من خمسة أطباق، وهل ستُجرى مقارنات مباشرة مع الطرق التي تتطلب مرجعًا، وهل سيُظهر المؤلفون متانة النظام في ظروف واقعية لا في تصوير مُعدّ مسبقًا.