طريقة FDSML القائمة على الفراكتالات ترفع Recall@1 على Stanford Cars من 56,2% إلى 78,4%

اقترح فريق بحثي من المعهد الوطني للعلوم والتقنيات الصناعية المتقدمة في اليابان (AIST) ومعهد العلوم والهندسة بجامعة واسيدا طريقة لتدريب نماذج الرؤية الحاسوبية مسبقًا دون أي صور حقيقية، مع الحصول على تمثيلات (embeddings) أعلى جودة. تحمل الطريقة اسم FDSML (Formula-Driven Supervised Metric Learning). على ResNet-50 ترفع الطريقة Recall@1 على Stanford Cars من 56,2% إلى 78,4%، وعلى Stanford Online Products من 65,6% إلى 74,0%، مقارنةً بالتدريب المسبق التقليدي على المعادلات (FDSL).

لماذا يصطدم تصنيف الفراكتالات بسقف أداء

FDSL نهج تُولَّد فيه الصور وتسمياتها من قواعد رياضية. وأشهر الأمثلة عليه FractalDB: تُبنى الفراكتالات فيه بواسطة IFS (أنظمة الدوال المتكررة، وهي مجموعة من التحويلات التآلفية الانكماشية)، وتتحدد الفئة بمجموعة من المعاملات. لا تحتاج هذه البيانات الاصطناعية إلى وسم يدوي، وهي خالية من مشكلات الترخيص والخصوصية، ولا ترث التحيزات الاجتماعية الموجودة في مجموعات البيانات الحقيقية.

نقطة الضعف أن التدريب يتحول إلى تصنيف. فيُقسَّم فضاء المعاملات المستمر إلى فئات منفصلة، وتضيع المعلومات عن الفراكتالات الأكثر تشابهًا فيما بينها. ويرى المؤلفون أن النموذج في هذه الحالة يفرط في التكيف مع نسيج هندسي محلي منخفض المستوى. ومن هنا تظهر الأعراض: تختلف التمثيلات عن تلك التي تنتج من البيانات الحقيقية، وتكون النماذج حساسة للتشويش بالضبابية، وتخسر في بعض المجالات المستهدفة أمام التدريب من الصفر. ويبرز ذلك خصوصًا في البحث عن الصور، حيث تهم هندسة فضاء الخصائص لا حدود الفئات.

كيف تعمل FDSML

تتكون الطريقة من جزأين. الأول مجموعة البيانات FineFractalDB. ففي FractalDB-1k الأصلية يبلغ عدد العيّنات 1000 لكل فئة، لكنها مستمدة من 25 اضطرابًا بارامتريًا فقط، مع انعكاسات وتنويعات في العرض، ولذلك يقل التنوع داخل الفئة الواحدة. كما أن التحويلات لم تكن دائمًا انكماشية بصرامة، فكان جزء من الصور «ينهار» إلى بقع قليلة المعلومات. في FineFractalDB رُفع عدد الاضطرابات المستقلة إلى 1000 لكل فئة، وفُرض قيد صارم على انكماشية التحويلات، وأُضيفت مرحلة استبعاد: تُحذف العيّنات التي يشغل فيها المحتوى أقل من 0,05% من البكسلات.

الجزء الثاني هو Parameter-Aware Triplet (PA-Triplet) Loss. وهي دالة خسارة ثلاثية قياسية تضم مرساة وعيّنة إيجابية وأخرى سلبية، لكن الأدوار لا تُوزَّع وفق تسميات الفئات، بل وفق المسافة في فضاء معاملات IFS. يُحسب لكل صورة واصف مضغوط، هو القيمة المتوقعة المرجّحة للمعاملات التآلفية. ومن بين مرشحَين تصبح العيّنة الإيجابية هي التي يكون واصفها أقرب إلى المرساة. ويؤكد المؤلفون أن المسافة تُستخدم للترتيب فقط: فهي تحدد من الأقرب، ولا تدّعي أنها مقياس إدراكي.

ومع ذلك تبقى الفئات المنفصلة في دور مرشّح خشن. فقد تبيّن في تجارب أولية أن الفراكتالات تختلف كثيرًا عند المسافة الكبيرة بين المعاملات، فتصبح المقارنة بديهية ولا تعلّم النموذج شيئًا. لذلك تُقيَّد المرشحات بأحد أربعة أنماط: بلا قيود، أو واحدة من الفئة نفسها وواحدة من فئة أخرى، أو اثنتان من فئة المرساة، أو اثنتان من فئات أخرى. أما القرار النهائي بشأن العيّنة الإيجابية والسلبية فتتخذه المسافة بين المعاملات في كل الأحوال.

ماذا أظهرت التجارب وما حدودها

إلى جانب البحث عن الصور، تحافظ FDSML على قدرة تنافسية في التصنيف اللاحق (downstream) وتزيد المتانة أمام عدد من أنواع التشويه. ويتأكد تحسن المتانة مع ResNet-50، أما مع ViT فيتحدث المؤلفون صراحةً عن مفاضلات تعتمد على المعمارية: فلا مكسب واضحًا هناك. كما وُصفت فروق نوعية في خرائط التنشيط والانتباه، لكن تفاصيلها غير متوافرة في النص المتاح.

وتبقى أسئلة مفتوحة. فالأرقام المذكورة تخص المقارنة مع التدريب المسبق بـ FDSL، لا مع نماذج مدرّبة على بيانات حقيقية مثل ImageNet. وقد اختُبرت الطريقة على فراكتالات اصطناعية، ولا يُعرف إلى أي مدى ستنتقل حيلة الإشارة الترتيبية المستمدة من المعاملات إلى مولّدات معادلات أخرى. والخلاصة للممارسين: إذا كان التدريب المسبق الاصطناعي مطلوبًا لمهام البحث والترتيب، فإن معاملات التوليد المستمرة تقدم إشارة أغنى من تسميات الفئات. وصفحة المشروع متاحة على العنوان shineiarakawa.github.io/fdsml.