OOOSplat يحوّل فيديو الهاتف إلى مشهد ثلاثي الأبعاد محليًا وبنقرة واحدة

تجاوزت تقنية Gaussian Splatting منذ زمن مرحلة العروض البحثية: فمشاهدها تبدو واقعية كالصورة الفوتوغرافية، ويمكن تدويرها في المتصفح لحظيًا. لكن الانتقال من فيديو مصور بالهاتف إلى مشهد جاهز بهذه التقنية لا يزال أشبه بسلسلة من العقبات. عليك استخراج الإطارات باستخدام FFmpeg، وحساب مواضع الكاميرات في COLMAP، وتشغيل التدريب، ثم العثور على أداة لعرض النتيجة واقتصاصها. قرر فريق OOOLab جمع هذه السلسلة في تطبيق واحد، وأتاحه باسم OOOSplat.

ما الذي يتضمنه التطبيق؟

OOOSplat تطبيق مكتبي متعدد المنصات، يعمل على Windows وmacOS بمعالجات Apple Silicon وLinux. كُتب باستخدام Rust وTauri، وبُنيت واجهته باستخدام React. فكرته الأساسية هي الاستقلالية: إذ تتضمن الحزمة مسبقًا ملفات تنفيذية مهيأة من FFmpeg وFFprobe وCOLMAP، إلى جانب محرك التدريب Brush. لا حاجة إلى تثبيت أي منها على حدة، ولا تُرسل أي بيانات إلى خوادم جهات أخرى.

تبدأ سلسلة المعالجة بضغطة زر واحدة. يأخذ التطبيق فيديو بصيغة MP4 أو MOV، ويستخرج الإطارات الرئيسية، ويحسب مواضع الكاميرات باستخدام COLMAP، ثم يحسّن العناصر الغاوسية في Brush. وتكون النتيجة ملفًا باسم final.ply. إذا كان الجهاز مزودًا ببطاقة رسومات NVIDIA، يستخدمها COLMAP تلقائيًا. وإن لم تتوفر، يعمل على المعالج المركزي، ولكن بسرعة أبطأ.

كيف يبدو ذلك عمليًا؟

تخيّل أنك تطوّر خدمة لوكالة عقارية أو كتالوج منتجات يتضمن معاينات ثلاثية الأبعاد. سابقًا، كان الموظف يصوّر غرفة بهاتفه، ثم يتوقف كل شيء على مهندس يعرف كيفية تشغيل COLMAP. الآن، يمكن إدخال الفيديو في التطبيق والحصول على مشهد دون استخدام سطر الأوامر.

بعد التدريب، تُفتح النتيجة في نافذة عرض ثلاثية الأبعاد مدمجة تعتمد على WebGPU وWebGL. ويمكن فيها تحريك المشهد وتدويره، واستخدام صندوق إحاطة لاقتطاع الشوائب العائمة عند الأطراف، وهي مشكلة شائعة في مشاهد Gaussian Splatting. يدعم التطبيق التصدير بصيغ PLY وSOG وSPZ وSPLAT، وكذلك إلى صفحة HTML مستقلة تتضمن مشغّل ويب خفيفًا. وهذا هو الاستخدام الأكثر مباشرة: رفع المشهد إلى خدمة استضافة في ملف واحد، ثم إرسال الرابط إلى العميل.

وهناك تفاصيل إضافية مفيدة. يدعم التطبيق بانوراما 360×180 بصيغة ERP. ويستخدم بيانات GPS من بيانات EXIF الوصفية لمعايرة المقياس المتري، بحيث يحصل المشهد على أبعاده الحقيقية. كما يدعم أقنعة ألفا للشفافية، ويتيح وضع re-shoot إضافة إطارات جديدة وتحديث المشهد دون إعادة التدريب من الصفر.

القيود وكيفية التعامل معها

هناك بعض التحفظات منذ البداية. المشروع مفتوح المصدر وحديث العهد، ولا تزال الآراء بشأن استقراره وجودة نتائجه في المشاهد المعقدة قليلة. وتعتمد جودة المشهد نفسه على التصوير: إطارات واضحة، وتداخل جيد بينها، وغياب الأجسام المتحركة. ولا يمكن لأي واجهة تغليف أن تلغي هذه المتطلبات. أما تشغيل المعالجة على المعالج المركزي عند غياب بطاقة مناسبة، فهو أقرب إلى وسيلة لاختبار الفكرة منه إلى خيار للعمل المنتظم. وعلى Apple Silicon وLinux، يُستحسن قياس سرعة التدريب باستخدام بياناتك الخاصة. كذلك، ينبغي التحقق مسبقًا من تراخيص المكونات المدمجة إذا كنت تنوي دمج النتيجة في منتج تجاري.

وتختلف الفائدة العملية باختلاف الدور. بالنسبة إلى المطورين، يصلح المستودع مرجعًا لكيفية جمع COLMAP وBrush وFFmpeg في حزمة Tauri واحدة، وقاعدة جاهزة لإنشاء نسخة مشتقة تلائم احتياجاتهم. وبالنسبة إلى مسؤولي المنتجات، أصبح اختبار الفرضيات المتعلقة بالمحتوى ثلاثي الأبعاد أقل تكلفة، لأن المشروع التجريبي لا يحتاج إلى ميزانية سحابية أو متخصص متفرغ في المسح التصويري. أما المؤسسون الذين يتعاملون مع تصوير خاص لمواقع أو منشآت صناعية أو مساحات داخلية، فتتمثل قيمة أساسية في المعالجة المحلية نفسها: البيانات لا تغادر الجهاز.

نصيحتي بسيطة: خذ مقطعين أو ثلاثة مقاطع فيديو حقيقية من مجال عملك، وعالجها باستخدام OOOSplat، ثم افحص النتيجة في مشغّل المتصفح. إذا كانت الجودة مناسبة، فسيكون لديك نموذج أولي عملي لميزة ثلاثية الأبعاد خلال أمسية واحدة. وإن لم تكن كذلك، فستعرف سريعًا أين تتعثر سلسلة المعالجة: في التصوير، أم العتاد، أم النهج نفسه. المستودع متاح على GitHub ضمن منظمة ooolabdev.