OcuFlow تزيل الانعكاسات عن النظارات في خطوة واحدة وتحصد 67,32% من الأصوات في اختبار أعمى

قدّم فريق من المؤلفين على arXiv عملين لمهمة ضيقة لكنها عملية جدًا: إزالة انعكاسات النظارات من الصور الشخصية. الأول هو مقياس OcuBench المؤلف من 10 280 زوجًا اصطناعيًا قابلًا للتحكم، و732 زوجًا زائفًا على مدخلات حقيقية، و458 صورة اختبار حقيقية مستقلة. والثاني هو نموذج OcuFlow الذي يعيد بناء منطقة العينين في خطوة توليد واحدة. وفي دراسة مستخدمين عمياء حصل النموذج على 67,32% من الاختيارات، أي أكثر بـ 6,2 مرة من الطريقة التي تليه في النتيجة. ويَعِد المؤلفون بنشر الشيفرة ومجموعة البيانات.

لماذا تشكّل انعكاسات النظارات مشكلة

تبدو المهمة هامشية إلى أن نتذكر أين تظهر. في كاميرا الهاتف، ومكالمات الفيديو، وفلاتر السيلفي، وأي تطبيق يعتمد على الوجه، يظهر وهج دخيل على العدسات كلما جلس شخص يرتدي نظارة أمام نافذة أو شاشة. أحيانًا يكون ذلك تشوّهًا طفيفًا في اللون والتباين. وأحيانًا يحجب الزجاج العين تمامًا، فلا توجد أي معلومات تحت الانعكاس.

ومن هنا ينشأ شرطان معًا. فالانعكاسات الضعيفة تحتاج إلى تصحيح موضعي دون آثار جانبية. أما القوية فتحتاج إلى إعادة بناء معقولة، بحيث لا تتغير هوية الشخص ولا يظهر مظهر «بلاستيكي» للبشرة والقزحية. ويشير المؤلفون إلى نقطة ضعف في مجموعات البيانات الحالية: فهي تغطي نطاقًا ضيقًا من ظروف الإضاءة والانعكاسات، ولذلك تنتقل النماذج بصورة أسوأ إلى المشاهد الواقعية المعقدة، وتبقى المقارنة بين الطرق ناقصة.

كيف بُني OcuBench وOcuFlow

يتكوّن OcuBench من ثلاثة أجزاء، لكل منها دور مختلف. فالأزواج الاصطناعية توفّر تسميات مضبوطة، إذ يُعرف شكل الإطار بلا انعكاس. والأزواج الزائفة على مدخلات حقيقية تقرّب التوزيع من الواقع. أما الصور الحقيقية المستقلة فليس لها أي تسميات مرجعية مولَّدة، وتُستخدم لاختبار ما إذا كان النموذج قد تعلّم فقط تخمين آثار البيانات الاصطناعية.

يقوم OcuFlow على pixel MeanFlow (pMF)، وهو نهج توليدي أحادي الخطوة يعمل في فضاء البكسلات. وبدلًا من إزالة الضوضاء على عدة خطوات كما في الانتشار (diffusion) الكلاسيكي، ينفّذ النموذج الاستعادة في تمريرة واحدة. وهذه ميزة مهمة لمهام الاتصال المرئي، لأن زمن التأخير فيها حاسم.

وبحسب وصف المؤلفين، تقوم البنية على قرارين رئيسيين:

• تمثيل متكيّف هندسيًا يوجّه إعادة البناء إلى مناطق العينين المحجوبة بالانعكاس، لا إلى الوجه كله؛
• توليف بالدقة الأصلية مع الحفاظ على الترددات ينقل إلى النتيجة تفاصيل موثوقة من الإطار الأصلي، حتى لا تتشوش بنية البشرة والرموش وإطار النظارة.

ما المعروف عن النتائج

أبرز المؤشرات المعلنة:

• 10 280 زوجًا اصطناعيًا، و732 زوجًا زائفًا حقيقيًا، و458 صورة حقيقية مستقلة في OcuBench؛
• تفوّق ثابت لـ OcuFlow في جودة إزالة الانعكاسات، ودقة استعادة منطقة العينين، والكفاءة عبر أنواع مختلفة من الانعكاسات؛
• 67,32% من الاختيارات في استطلاع المستخدمين الأعمى؛
• فارق بمقدار 6,2 مرة عن المركز الثاني: ومن هذه الأرقام يتبيّن أن أقرب منافس يحصل على نحو 10,9% من الأصوات.

وهنا يلزم الحذر في موضعين. أولًا، لا تتضمن الملخّص أي مقاييس رقمية مثل PSNR أو LPIPS، ولا بيانات عن السرعة بالميلي ثانية، ولذلك لا يمكن حاليًا التحقق من ادعاء الكفاءة إلا عبر النص الكامل والشيفرة. ثانيًا، يعكس الاستطلاع الأعمى تفضيلًا ذاتيًا، لكنه لا يضمن الحفاظ على هوية الوجه في جميع الحالات. وفي إعادة بناء العينين تحت انعكاس قوي، يمثّل هذا خطرًا جوهريًا: فالنموذج يرسم ما لم يره.

لمن يفيد هذا وكيف

إذا وفى المؤلفون بوعدهم ونشروا الشيفرة والبيانات، فسيحصل القطاع على منصة اختبار مشتركة لمقارنة هذه الطرق، وهذا عادة يدفع المجال إلى الأمام أسرع من النماذج المنفردة. أما بالنسبة لمطوّري الاتصال المرئي وكاميرات الهواتف الذكية، فالنمط أحادي الخطوة هو الأكثر إثارة للاهتمام، لأن دمجه في خط معالجة يعمل في الزمن الحقيقي أسهل من دمج الانتشار متعدد الخطوات.

والخطة العملية بسيطة. انتظروا الإصدار، ثم شغّلوا OcuFlow على لقطاتكم الخاصة ذات الانعكاسات الشديدة، وليس على OcuBench فقط. تحققوا بصورة منفصلة من الحفاظ على الهوية، بمقارنة تمثيلات الوجه (embeddings) قبل المعالجة وبعدها. وقيسوا زمن التأخير على العتاد المستهدف. وحدّدوا مسبقًا كيف ستُوسَم الإطارات التي أُعيد فيها بناء منطقة العينين بدلًا من تنظيفها فقط، فهذا أمر حاسم للتحقق من الهوية وللوثائق.