RLSplat يعلّم 3D Gaussian Splatting الاقتصاد في الموارد: أسرع حتى 4,1× وبذاكرة أقل بمقدار 9,6×

تبني تقنية Feed-forward 3D Gaussian Splatting مشهدًا ثلاثي الأبعاد من مجموعة صور في تمريرة واحدة عبر الشبكة العصبية، دون تحسين مطوّل لكل مشهد على حدة. ويضيف RLSplat إلى ذلك ما لم يكن متوافرًا لدى سابقيه: فالزمن المستغرق وذروة الذاكرة وحجم التمثيل تنخفض كلها خطيًا مع انخفاض ميزانية الغاوسيات المحددة. وفي اختبارات zero-shot يتفوق على الأساليب السابقة المتحكمة بالميزانية عند أي ميزانية، ويتخطى أقوى baseline حتى مع عدد غاوسيات أقل بأربعة أضعاف. وعلى الميزانيات الصغيرة يعمل أسرع بما يصل إلى 4,1 مرة، ويستخدم ذروة ذاكرة أقل بمقدار 9,6 مرة.

تقليم يلتهم كل التوفير

فكرة التحكم بالميزانية في FF3DGS مفهومة: يجب أن يلتزم المشهد الناتج بحدّ معيّن للتخزين أو لزمن العرض (rendering). فالهاتف أو الخوذة الذكية (headset) يحتاجان إلى مشهد خفيف، أما الخادم ذو الموارد الوفيرة فيناسبه مشهد كثيف. وتوفر الطرق الحالية هذا الضبط، لكن بثمن خفي. فللحصول، مثلًا، على 50 ألف غاوسية، تتنبأ هذه الطرق أولًا بمجموعة كثيفة، ثم تنتقي منها أو تقتطع الزائد.

والنتيجة: الملف النهائي صغير فعلًا، لكن الطريق إليه مكلف بالقدر نفسه. فزمن الاستدلال وذروة الذاكرة يبقيان ثابتين تقريبًا مهما كانت الميزانية. وبالنسبة إلى جهاز تكمن مشكلته تحديدًا في الذاكرة أثناء الاستدلال، لا تحلّ هذه «الميزانية» شيئًا، فالموارد اللازمة للمرحلة الكثيفة مطلوبة على أي حال.

كيف يوزّع RLSplat الغاوسيات

يلغي المؤلفون المرحلة نفسها، أي «الكثير أولًا ثم الأقل». فبدلًا من التقليم (pruning) أو الانتقاء، يدرّب RLSplat سياسة تخصيص (allocation). توزّع هذه السياسة الميزانية المحددة على مناطق المشهد المحلية، فيُنشأ العدد المطلوب بالضبط من الغاوسيات. وتحصل المناطق المعقدة على عدد أكبر، والبسيطة على عدد أقل.

أما الجزء الثاني من الحل فيتعلق بتحسين المعاملات. إذ تمر الغاوسيات عبر resource-linear Gaussian decoding: تنتبه كل غاوسية إلى أقرب جاراتها فقط، وهي جارات يعثر عليها بحث هرمي فعّال. أما الانتباه الكامل بين جميع الغاوسيات فكان سينمو أسرع من عدد العناصر نفسها. ويجعل الانتباه المحلي تكلفة فك الترميز خطية، ولذلك ينخفض الزمن والذاكرة معًا عند تقليص الميزانية.

أبرز الخصائص الواردة في الورقة البحثية:

• الميزانية: يُحدَّد عدد الغاوسيات أثناء الاستدلال ويُنتَج بدقة، دون انتقاء لاحق.
• التوسّع: ينخفض حجم التمثيل والزمن المستغرق وذروة الذاكرة خطيًا مع الميزانية.
• السرعة: أسرع بما يصل إلى 4,1× من الطرق السابقة على الميزانيات الصغيرة.
• الذاكرة: ذروة ذاكرة أقل بما يصل إلى 9,6× على الميزانيات الصغيرة.
• الجودة: أفضل من الطرق السابقة المتحكمة بالميزانية عند كل ميزانية في تقييم zero-shot.
• الكفاءة: يتفوق على أقوى baseline مع استخدام عدد غاوسيات أقل بأربعة أضعاف.

أين يمكن تطبيق ذلك

تبرز أهمية النتيجة أكثر في السيناريوهات ذات السقف الصارم للموارد: الواقع المعزز والواقع الافتراضي على الخوذ المستقلة، وتطبيقات الجوال لمسح الغرف بسرعة، والروبوتات التي تحتاج إلى تحديث الخريطة على متنها، والخدمات السحابية التي تعالج آلاف المشاهد بالتوازي. وفي الحالة الأخيرة يعني توفير ذروة الذاكرة بمقدار تسعة أضعاف إمكانية استيعاب مهام أكثر على مسرّع واحد.

والخلاصة عملية للمهندسين. فإذا كنتم تختارون خط معالجة (pipeline) لإعادة البناء على جهاز محدود الذاكرة، فلا ينبغي النظر إلى حجم المشهد النهائي وحده، بل أيضًا إلى كيفية تغيّر زمن الاستجابة وذروة الاستهلاك عند خفض الميزانية. ويبدو نهج الانتقاء من مجموعة كثيفة أضعف في هذا الاختبار. أما نهج التخصيص مباشرة وفق الميزانية المستهدفة، كما في RLSplat، فيتيح ضبط الجودة وفق العتاد بسلاسة: خفضتَ الميزانية فتحصل على نتيجة أسرع وأخف بما يتناسب مع الخفض.

وكون المكسب تحقق في وضع zero-shot، أي دون تدريب إضافي على بيانات جديدة، يجعل الطريقة مرشحة للدمج في منتجات لا تُعرف مشاهدها مسبقًا. ويبقى التحقق من سلوك سياسة التخصيص على المشاهد الكبيرة جدًا أو غير النمطية، لكن المبدأ واضح بالفعل: يجب أن تتوسع تكلفة الاستدلال مع النتيجة المطلوبة.