CompactSplat يوزّع غاوسيات ثلاثية الأبعاد بحسب محتوى الإطار لا بحسب البكسلات

نشرت مجموعة من الباحثين CompactSplat، وهو إطار عمل feedforward لإعادة بناء المشاهد ثلاثية الأبعاد من عدد قليل من زوايا التصوير. لا تتطلب الطريقة تحسينًا خاصًا بكل مشهد، وتغيّر منطق وضع الغاوسيات ثلاثية الأبعاد نفسه. فبدلًا من مخطط «غاوسي واحد أو عدة غاوسيات لكل بكسل»، توزّع العناصر الأولية بحسب محتوى الصورة. اختبر الباحثون الطريقة على ثلاثة معايير قياسية: RealEstate10K وDL3DV وScanNet. وبحسب المؤلفين، تتفوق على المناهج السابقة في المقاييس القياسية وفي اتساق الريندر بدقة عالية، وتحتاج إلى عدد أقل بكثير من العناصر الأولية.

لماذا يُعدّ غاوسي لكل بكسل هدرًا

يعمل 3D Gaussian Splatting القابل للتعميم في صيغة feedforward على النحو التالي: تنظر الشبكة إلى الإطارات المُدخلة، وتُخرج في تمريرة واحدة مجموعة من الغاوسيات يُرسم منها المشهد لاحقًا. لا توجد عملية ملاءمة طويلة لغرفة بعينها، ولا دقائق أو ساعات تُهدر في التحسين. وعلى هذا المخطط تقوم كثير من الطرق الحديثة، ومنها pixelSplat وMVSplat: يحصل كل بكسل في الصورة المُدخلة على عنصر أولي خاص به، وأحيانًا على عدة عناصر.

لهذه البساطة ثمن. فالجدار الأبيض أو السماء الصافية أو الأرضية المستوية تشغل مساحة كبيرة من الإطار، لكنها تكاد لا تحمل معلومات. يكفيها عشرات من الغاوسيات الكبيرة، بينما تنفق الشبكة آلافًا منها. والنتيجة تمثيل متضخم يستهلك الذاكرة ويبطئ الريندر. أما المشكلة الثانية فهندسية. المستويات شائعة في المشاهد الواقعية، لكن التوزيع المنتظم للعناصر الأولية لا يستفيد من هذه المعرفة. فتُنمذَج البنية بجودة أقل مما يمكن تحقيقه.

النسيج يحدد أين تُوضع العناصر الأولية

يعالج CompactSplat المشكلتين بآلية واحدة. يُقسَّم الإطار أولًا إلى مناطق مع مراعاة النسيج (texture)، ثم تحدد عملية أخذ عينات هرمية عدد الغاوسيات الذي تحتاجه كل منطقة. تحصل المناطق المعقدة ذات التفاصيل الدقيقة على انتشار كثيف من العناصر الأولية. أما المناطق المستوية فتُغطّى بـ«بلاط» من غاوسيات مكبّرة يتكيّف مقياسها مع حجم المنطقة.

هكذا تستخدم الطريقة المعرفة الهندسية المسبقة (geometric prior) للأسطح المستوية مباشرة، ولا تعوّل على أن تتعلمها الشبكة بنفسها. يصبح التوزيع تكيفيًا: تذهب ميزانية العناصر الأولية إلى حيث تؤثر في جودة الصورة.

مؤشر منزلق بين الجودة والذاكرة

من التفاصيل العملية اللافتة التحكم الديناميكي في التباعد (sparsity) في مرحلة الاستدلال. يمكن تغيير كثافة الغاوسيات دون إعادة تدريب الشبكة. ويمكن تشغيل النموذج نفسه في وضع «ثقيل» لأقصى جودة، أو في وضع خفيف عندما يكون حجم الذاكرة هو الأهم. وعادةً يتطلب هذا التوازن نماذج مختلفة أو تدريبًا إضافيًا.

ما هو معروف عن الطريقة:

• المهمة: إعادة بناء مشهد ثلاثي الأبعاد من زوايا تصوير متباعدة (sparse views) دون تحسين خاص بكل مشهد؛
• التمثيل: 3D Gaussian Splatting، وتوليد بأسلوب feedforward؛
• المكونات الرئيسية: تقسيم مكاني بحسب النسيج، وأخذ عينات هرمي، وعناصر أولية معدّلة المقياس للمناطق المستوية؛
• التحكم: ضبط التباعد أثناء الاستدلال دون إعادة تدريب؛
• المعايير القياسية: RealEstate10K وDL3DV وScanNet؛
• النتيجة: مقاييس أفضل واستقرار أعلى في الريندر بدقة عالية، مع عدد أقل من العناصر الأولية.

أين يؤتي توفير الغاوسيات ثماره أولًا

تبرز أهمية الإيجاز حيث يجب بناء المشهد بسرعة وعرضه على عتاد محدود. ومن ذلك الواقع المعزز والواقع الافتراضي على الأجهزة المحمولة، ومعاينة العقارات التي أصبح فيها RealEstate10K اختبارًا قياسيًا، وكذلك ملاحة الروبوتات التي تحتاج إلى خريطة للمحيط دون معالجة طويلة. في هذه السيناريوهات يعني قلة العناصر الأولية حركة بيانات أقل، وذاكرة فيديو أقل، ومعدل إطارات أعلى.

وتفيد إمكانية تغيير الكثافة في وقت التشغيل خصوصًا المنتجات التي تستهدف فئات مختلفة من الأجهزة. إذ يمكن نشر نموذج مدرَّب واحد على الخادم وعلى الهاتف، مع تغيير معامل التباعد فقط. وبالنسبة إلى الفرق التي تحتفظ حاليًا بعدة نسخ من شبكة إعادة البناء، يقلّل هذا من كلفة الصيانة.

وهناك أيضًا أسئلة مفتوحة ينبغي التحقق منها عند التطبيق. منها السلوك في المشاهد التي تحتوي على عدد كبير من البنى الرفيعة، وعلى الأسطح العاكسة والشفافة، وفي مقاطع الفيديو الخارجية التي يتغير فيها النسيج بحدة أكبر مما في الأماكن الداخلية. لكن الاتجاه واضح: الخطوة التالية في إعادة البناء بأسلوب feedforward لا تكمن في زيادة عدد الغاوسيات، بل في وضعها بذكاء أكبر.