Spaghetti Splatting يستبدل نقاط 3DGS بمنحنيات: الشعر والأسلاك جاهزة للمحاكاة
ترسم تقنية 3D Gaussian Splatting المشاهد جيدًا بسحابة من النقاط الضبابية، لكنها تنهار عند الشعر والأسلاك والعشب: فالخيط الرفيع يتحول إلى رذاذ من البقع. تستخدم Spaghetti Splatting منحنيات متصلة بدل النقاط، ويبقى 3DGS التقليدي حالة خاصة منها، أي منحنى طوله صفر. ويقول المؤلفون إن الطريقة تتفوق على الحلول المتخصصة في الهندسة الخيطية، وتتعامل بنفسها مع مكافحة التعرّج (antialiasing).
معالج بواسطة الذكاء الاصطناعي من TG: @cgevent (Метаверсище и ИИще)؛ بتحرير Hamidun News
إذا سبق أن جرّبت إعادة بناء رأس بشعره، أو حزمة أسلاك، أو شجيرة انطلاقًا من الصور، فأنت تعرف كيف ينتهي الأمر. تبدو الصورة جيدة، لكن في داخلها سحابة نقاط لا خيوط. وتحريك نموذج كهذا أو إخضاعه للفيزياء شبه عديم الجدوى. ويستهدف عمل Spaghetti Splatting هذه النقطة تحديدًا.
المشكلة: الخيط ليس مجموعة نقاط
تصف تقنية 3D Gaussian Splatting المشهد بملايين «البقع» الصغيرة الضبابية. وهذا يعمل بامتياز مع الجدران والوجوه والأثاث، لكنه لا ينجح مع الأجسام الطويلة الرفيعة. فالشعرة الواحدة تُجمَّع من عشرات البقع دون أي رابط بينها. وهذا مقبول في العرض، لكنه سيئ لكل شيء آخر. لا يمكن أن تسأل أين تبدأ الشعرة وأين تنتهي. ولا يمكن ثنيها، لأن النظام لا يعرف أي النقاط تنتمي إلى الخيط نفسه.
حتى الآن كانت تُستخدم في مثل هذه المشاهد عادةً طرق متخصصة للشعر أو النباتات. وهي تعمل بشكل أسوأ في الحالات الأخرى، ويتعين تركيب خط المعالجة (pipeline) من عدة أجزاء.
الفكرة: منحنى بدل النقطة
يقترح المؤلفون تغيير العنصر الأساسي. ففي 3DGS التقليدي تصف كل دالة غاوسية كتلة نقطية. أما في Spaghetti Splatting فتُمدَّد إلى خط متصل، أي مقطع منحنٍ أو ليف في الفضاء. ويظهر 3DGS التقليدي كحالة منكمشة حين يكون طول المنحنى صفرًا. ولذلك يصف المؤلفون الطريقة بأنها تعميم صارم: كل ما كان يجيده 3DGS يبقى، وتصبح الخيوط نوع بيانات أصيلًا.
تُذكر في المنشور ثلاثة جوانب تقنية:
- تحويل إسقاط الكاميرا إلى صيغة خطية، لتُسقَط المنحنيات على الشاشة بسرعة وبشكل صحيح؛
- دعم نوى بيتا (beta kernels) التي تسرّع العرض بحسب المؤلفين؛
- مكافحة تعرّج مدمجة تحل المشكلة الدائمة للخطوط الرفيعة: فهي تومض وتتقطع على المسافة.
وبحسب المؤلفين، تتفوق الطريقة على النهج المتخصصة في المشاهد ذات الهندسة الخيطية (الشعر والأسلاك والنباتات والشبكات).
ما الذي يعنيه ذلك عمليًا
الأثر العملي الرئيسي ليس في جمال الصورة، بل في بنية النتيجة. فالخيوط تخرج طويلة ومتصلة، ويمكن تسليمها مباشرة إلى محاكي ديناميكا الخيوط والأقمشة القابلة للتشوه. كانت هناك سابقًا مرحلة يدوية أو شبه آلية بين إعادة البناء والمحاكاة: إذ كان لا بد من استخراج الخصلات من سحابة النقاط. أما الآن فيمكن، بحسب الوصف، الاستغناء عن هذه الخطوة.
لمن يهم هذا الأمر:
- الفرق التي تصنع التوائم الرقمية للبشر والأفاتارات: فالشعر هو أكبر مشكلاتها؛
- استوديوهات المؤثرات البصرية والألعاب التي تحتاج إلى رقمنة جسم حقيقي بسرعة وتحريكه فورًا؛
- العاملين في الروبوتات ومسح البنية التحتية: فالكابلات والأسلاك حاضرة هناك باستمرار؛
- مطوري أدوات الثلاثي الأبعاد الذين يحتاجون إلى صيغة واحدة بدل حديقة من الطرق.
القيود وما يجب التحقق منه
لا يزال هذا عملًا بحثيًا. فالمنشور لا يتضمن أرقامًا محددة للجودة والسرعة، ولا بيانات عن الجاهزية للإنتاج، وينبغي الاطلاع على المقارنة مع البدائل في الورقة نفسها على arXiv (2611.12716) وفي صفحة المشروع. ومن غير الواضح كيف تتصرف الطريقة مع الحزم الكثيفة التي تتداخل فيها الخيوط وتتشابك، ومدى صعوبة دمجها في المحركات وأدوات العرض الحالية.
الخلاصة العملية بسيطة. إذا كنت تعمل بالفعل مع 3DGS وتصطدم بالشعر أو الكابلات أو العشب، فاطّلع على الشيفرة والأمثلة في صفحة المشروع وجرّبها على مشاهدك. أما إذا كنت لا تزال تختار تقنية للرقمنة، فأبقِ هذا العمل في قائمة المتابعة. ففكرة تخزين الخيوط كخيوط لا كسحابة بقع تبدو خطوة طبيعية، وقد تصبح معيارًا لمثل هذه المهام.
- 21 أكتوبر 2026SplatLab تكتب أبحاث 3D Gaussian Splatting بنفسها وتتفوق على خطوط الأساس بما يصل إلى +3.78 ديسيبل
- 23 أكتوبر 2026FineSplat: رُقع دقيقة وتجميع مزدوج من أجل تركيب مشاهد عالي التفاصيل
- 21 أكتوبر 2026LEGO-SCD يتعلم اكتشاف التغيرات في المشاهد ثلاثية الأبعاد بسرعة 17.2 FPS دون وسم يدوي
- 28 يناير 2026SplatSSC: السبلاتات الغاوسية تتعلم استكمال الواقع انطلاقًا من صورة واحدة
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول المشكلة: الخيط ليس مجموعة نقاط؟
تصف تقنية 3D Gaussian Splatting المشهد بملايين «البقع» الصغيرة الضبابية. وهذا يعمل بامتياز مع الجدران والوجوه والأثاث، لكنه لا ينجح مع الأجسام الطويلة الرفيعة. فالشعرة الواحدة تُجمَّع من عشرات البقع دون أي رابط بينها. وهذا مقبول في العرض، لكنه سيئ لكل شيء آخر. لا يمكن أن تسأل أين تبدأ الشعرة وأين تنتهي. ولا يمكن ثنيها، لأن النظام لا يعرف أي النقاط تنتمي إلى الخيط نفسه. حتى الآن كانت تُستخدم في مثل هذه المشاهد عادةً طرق متخصصة للشعر أو النباتات.
ما أبرز التفاصيل حول الفكرة: منحنى بدل النقطة؟
يقترح المؤلفون تغيير العنصر الأساسي. ففي 3DGS التقليدي تصف كل دالة غاوسية كتلة نقطية. أما في Spaghetti Splatting فتُمدَّد إلى خط متصل، أي مقطع منحنٍ أو ليف في الفضاء. ويظهر 3DGS التقليدي كحالة منكمشة حين يكون طول المنحنى صفرًا. ولذلك يصف المؤلفون الطريقة بأنها تعميم صارم: كل ما كان يجيده 3DGS يبقى، وتصبح الخيوط نوع بيانات أصيلًا.
ما أبرز التفاصيل حول ما الذي يعنيه ذلك عمليًا؟
الأثر العملي الرئيسي ليس في جمال الصورة، بل في بنية النتيجة. فالخيوط تخرج طويلة ومتصلة، ويمكن تسليمها مباشرة إلى محاكي ديناميكا الخيوط والأقمشة القابلة للتشوه. كانت هناك سابقًا مرحلة يدوية أو شبه آلية بين إعادة البناء والمحاكاة: إذ كان لا بد من استخراج الخصلات من سحابة النقاط. أما الآن فيمكن، بحسب الوصف، الاستغناء عن هذه الخطوة.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.