معيار KU-PCPE: النماذج تحدد ركيزة التكوين بمعامل Dice يبلغ 0.664، والخبير البشري 0.867

يستطيع مصنِّف التكوين أن يقول إن اللقطة «قطرية» أو تتبع «قاعدة الأثلاث»، لكنه لا يوضح أي أجزاء من الإطار مسؤولة عن ذلك. اقترح فريق من مختبر الرؤية الحاسوبية في TU Wien وUAS St. Pölten سدّ هذه الفجوة عبر معيار KU-PCP Elements (KU-PCPE). المهمة كالتالي: المدخل صورة فوتوغرافية وتسمية تكوين سبق اعتمادها على أنها مناسبة لها، والمخرج قناع ثنائي للمناطق المرئية التي تفسّر سبب انطباق التسمية. يصل أفضل نموذج عملي إلى Dice بقيمة 0.664 (مقياس التقاطع بين القناع المتوقَّع والقناع المرجعي)، بينما يسجّل الخبير البشري المستبعَد من التقييم المرجعي 0.867 عند مقارنته بزميليه.

ما الذي جرى وسمه وكيف

يعتمد KU-PCPE على مجموعة البيانات KU-PCP. تضم هذه المجموعة تسميات تكوين للصورة كاملة وعناصر هندسية مصنفة حسب الفئة: أطر الأجسام الرئيسية، والخطوط الموجِّهة، ومحاور التناظر، والمثلثات، ومناطق السماء. ويضيف العمل الجديد صيغة بشرية موحدة للأصناف التسعة جميعها: الأفقي، والعمودي، والقطري، والمنحني، والمثلث، وقاعدة الأثلاث، والمركز، والتناظر، والنمط. يمكن أن يتكون القناع من عدة أجزاء غير متصلة، وأن يشمل أجسامًا أو أجزاء منها أو الخلفية أو الفراغ. وإذا كانت للقطة عدة تسميات، تُنشأ مهمة منفصلة لكل تسمية.

يبلغ حجم جزء التدريب 4093 قناعًا على 3169 صورة، وقد وسمها مُعلِّق واحد. أما جزء الاختبار فيضم 1327 مهمة على 1073 صورة، بثلاثة أقنعة لكل مهمة. والمُعلِّقون في الاختبار ثلاثة خبراء حاصلون على تعليم فني أو في التصميم ولديهم خبرة تزيد على خمس سنوات. عمل هؤلاء باستقلالية في واجهة اقترحت فيها SAM2 Hiera-L مسبقًا مناطق مرشحة. كان المُعلِّق يختار المناطق المطلوبة، ويقسّمها أو يدمجها، ويرسم الحدود يدويًا عند الحاجة. كما قيّم المُعلِّقون ما يفسّر التسمية على نحو أفضل: منطقة أم خط دلالي مستخرَج تلقائيًا.

أين يختلف الخبراء

يبلغ متوسط Dice الزوجي بين الخبراء 0.7428. وفي مقارنة الخبير المستبعَد بالإجماع المتفق عليه بين الخبيرين الآخرين، كانت النتائج: Dice 0.8666، وIoU 0.8054، وboundary F1 0.7541، و[email protected] بقيمة 0.9312. يبيّن المقياس الأخير نسبة المهام التي لا يقل فيها Dice عن 0.5. ويتفق الخبراء أكثر ما يتفقون في قاعدة الأثلاث والمركز والمثلث. أما التكوين الأفقي والقطري والمنحني والنمط فتحتمل عدة قراءات معقولة. فمثلًا، في صورة ذات أفق واحد يمكن عدّ السماء أو الأرض «ركيزة» للتكوين، ولذلك يبني المؤلفون مرجعين: صارمًا، وآخر يراعي هذا الغموض. ولا يتغير ترتيب الطرائق على المرجعين كليهما.

يصف المؤلفون تقييمات شكل التفسير بأنها استكشافية. فالاتفاق الزوجي على المجموعات الثلاث (قطعة، مختلط، خط) لا يتجاوز 0.54. ويُفسَّر التكوين الأفقي غالبًا تفسيرًا مختلطًا، والقطري والمثلث بالخطوط، بينما تُفسَّر الأصناف الأخرى غالبًا بالمناطق. وفي 171 مهمة مثلثية توافرت لها نتيجة من كاشف KU-PCP، تتقاطع الهندسة فعلًا مع قناع الخبير. لكن البشر يحددون إضافةً إلى ذلك الأجسام والأسطح والخلفية التي يُدرَك المثلث من خلالها.

ماذا أظهرت النماذج الأساسية

شملت المقارنة أقنعة عشوائية بالمساحة نفسها، وقوالب خاصة بكل صنف، وU-Net بلا تسمية وبتسمية، إضافة إلى SegFormer-B0 المشروط بالتسمية. دُرّبت هذه النماذج على وسم مُعلِّق واحد. وأُضيف أوراكل مستقل: يعرف المرجع ويجمع بجشع أقنعة مرشحة من SAM2.1 Hiera-L. يبلغ Dice لديه 0.672، وهو أعلى بقليل فقط من 0.664 لأفضل نموذج عملي. وهذا يعني أن المشكلة تعود جزئيًا إلى مجموعة المقترحات نفسها.

بالنسبة إلى VLM المستخدمة منتقيةً، تُعرض عليها مقترحات مرقّمة (حتى 12 مقترحًا)، ويعيد النموذج حتى ثلاثة أرقام. ويُعدّ اتحاد هذه المناطق هو الإجابة. تضم المجموعة Qwen3-VL وInternVL3.5 وMiniCPM-V 4.5 وMolmo2، والقائمة الكاملة واردة في الملحق. بلغ Dice لأفضلها 0.395، أي إنه تخلّف بوضوح عن أدوات التجزئة المدرَّبة. كما اختبر المؤلفون ResNet-50 وGrad-CAM وخرائط التشابه في DINO ViT لربط الأقنعة بتعرّف الصنف.

القيود

وسم التدريب يعود لشخص واحد، لذا فهو يعكس تصوره الخاص للتكوين. والاتفاق على تقييمات «قطعة أم خط» ضعيف. وتختار VLM من مقترحات جاهزة ولا ترسم القناع بنفسها، ولذلك تتقيد نتائجها بجودة المرشحين. وقد نُقلت الجداول الكاملة وفواصل الثقة والتعليمات النصية (prompts) إلى الملحق، بينما نُشرت البيانات وشيفرة التقييم وأدوات إعادة البناء على صفحة المشروع. أما لمن يبني مساعدين للتصوير الفوتوغرافي أو أدوات لتقييم الجماليات، فالخلاصة بسيطة: ما زالت النماذج الحديثة أضعف بوضوح من الإنسان في تفسير تسمياتها بمناطق محددة من الإطار.