ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارHabr AI→ المصدر

Meta* تنشر XRStereo: نحو 18 ألف مجموعة من اللقطات المجسّمة لتدريب الرؤية ثلاثية الأبعاد

تحتاج نظارات VR والروبوتات إلى آلاف الأزواج من اللقطات بالكاميرتين اليسرى واليمنى كي ترى الغرفة بأبعادها الثلاثة، لكن تصوير هذه البيانات في الواقع مكلف. نشرت Meta* مجموعة XRStereo، وهي مجموعة بيانات اصطناعية تضم نحو 18 ألف مجموعة، في كل منها خمسة أزواج مجسّمة بدقة 1024 × 1024 بكسل، مأخوذة من 13 مشهدًا افتراضيًا. وإلى جانبها شيفرة طريقة StereoSplat وأوزان جاهزة، ما يتيح اختبار النموذج على تسجيلاتك الخاصة دون تدريبه من الصفر. يبلغ حجم المجموعة نحو 373 غيغابايت وهي مقسمة إلى 72 أرشيفًا على Hugging Face. تراوحت زاوية الرؤية بين 50° و130°، والمسافة بين الكاميرتين بين 4 و12 سم. أما المشاهد فهي تسعة مشاهد داخلية وأربعة خارجية، وتتحرك الكاميرات فيها داخل مشهد ثابت.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
Meta* تنشر XRStereo: نحو 18 ألف مجموعة من اللقطات المجسّمة لتدريب الرؤية ثلاثية الأبعاد
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال

كي تفهم نظارة VR أو روبوت كيف تبدو الغرفة من حولهما، لا تكفي صورة مسطحة، بل يلزم نموذج ثلاثي الأبعاد. ويمكن بناؤه من لقطتين بالكاميرتين اليسرى واليمنى، كما تفعل عيوننا. ويتطلب تدريب هذه الأنظمة آلاف الأمثلة التي تُعرف فيها مواضع الكاميرات بدقة، بينما يستغرق تصويرها في الواقع وقتًا طويلًا وكلفة عالية. نشرت Meta على Hugging Face مجموعة البيانات XRStereo: نحو 18 ألف مجموعة (تسميها Meta «تسلسلات»)، في كل منها خمسة أزواج مجسّمة. أي ما يقارب 90 ألف زوج من اللقطات، وجميعها مرسومة داخل مشاهد افتراضية.

ما الذي تحتويه مجموعة البيانات

XRStereo مجموعة بيانات اصطناعية. وبما أن المشاهد تُنشأ في بيئات افتراضية، يأتي الوسم دقيقًا دون عمل يدوي. دقة كل صورة 1024 × 1024 بكسل. وفي كل تسلسل تتحرك الكاميرات داخل مشهد ثابت: لا يتغير سوى موضع التصوير، أما العالم نفسه فيبقى في مكانه.

إلى جانب اللقطتين اليسرى واليمنى، تتضمن البيانات مواضع الكاميرات والمسافة بينها، وكذلك خرائط التباين (disparity). والفكرة ببساطة: إذا نظرت إلى إصبعك بعين واحدة ثم بالأخرى، «يقفز» الإصبع بالنسبة إلى الخلفية. وكلما اقترب الجسم، زادت القفزة. تسجّل خريطة التباين مقدار هذا الإزاحة لكل بكسل، ومنها يمكن حساب المسافة إلى الجسم.

عدد البيئات 13: تسعة مشاهد داخلية وأربعة مشاهد خارجية. المواقع قليلة نسبيًا، لكن التنوع مبني في معاملات التصوير.

لماذا غُيّرت الزاوية والمسافة بين الكاميرتين

تختلف كاميرات الرؤية المجسّمة في تركيبها من جهاز إلى آخر. ففي نظارة ما تكون العدسات أقرب إحداهما إلى الأخرى، وفي نظارة أخرى أبعد، وقد تُركَّب كاميرات الروبوت على عارضة منفصلة. وإذا تدرّب النموذج على هندسة واحدة، فإن أداءه على هندسة أخرى يكون عادةً أسوأ.

ولتقليل هذا الاعتماد، غيّر الباحثون عند إنشاء المشاهد زاوية الرؤية الأفقية من 50° إلى 130°، والمسافة بين الكاميرتين من 4 إلى 12 سم. وبحسب تصورهم، يتيح ذلك تدريب الأنظمة على مختلف كاميرات الرؤية المجسّمة في نظارات VR والروبوتات، لا على طراز واحد بعينه من الأجهزة.

StereoSplat: الغاية التي أُنشئت من أجلها المجموعة

أُنشئت مجموعة البيانات في المقام الأول من أجل طريقة StereoSplat. طوّر مهندسو Meta* هذه الطريقة بالتعاون مع مختصين من جامعة أمستردام. وتبني الطريقة تمثيلًا ثلاثي الأبعاد للمشهد باستخدام Gaussian Splatting. وفي هذا النهج يُوصف المشهد بمجموعة كبيرة من «البقع» الملونة الناعمة في الفضاء، يمكن منها تركيب الصورة بسرعة. بعد ذلك يولّد النظام صورة من زوايا رؤية جديدة، أي يعرض كيف كانت ستبدو الغرفة لو أُزيحت الكاميرا جانبًا.

عمليًا، يعني هذا أن بالإمكان الحصول من فيديو كاميرا مجسّمة على نموذج ثلاثي الأبعاد بدل مجموعة من اللقطات المسطحة. وهذا مفيد في VR وAR حيث تلزم إعادة بناء الصورة بحسب موضع الرأس. ومفيد كذلك في الروبوتات التي تحتاج الآلة فيها إلى تقدير بنية الفضاء المحيط بها.

التوافر والقيود

تشغل XRStereo نحو 373 غيغابايت وهي مقسمة إلى 72 أرشيفًا. وهذا حجم محسوس لفريق صغير: يلزم حيز على القرص ووقت للتنزيل. وإلى جانب البيانات، نشرت Meta* شيفرة StereoSplat وأوزان نماذج جاهزة. وهذا يعني أن بالإمكان عدم التدريب من الصفر، بل تشغيل نموذج جاهز أولًا على تسجيلاتك المجسّمة وتقييم الجودة.

وهناك قيود ينبغي ذكرها بصراحة. مجموعة البيانات اصطناعية، والفجوة بين الصور المرسومة والتصوير الحقيقي في الرؤية الحاسوبية تكون عادةً ملحوظة: فضجيج المستشعرات والانعكاسات الضوئية وضبابية الحركة تبدو في المشاهد الافتراضية مختلفة. وجميع التسلسلات مصوَّرة في مشاهد ثابتة، لذا فالأشخاص والأجسام المتحركة غير ممثَّلين في البيانات. كما لا يتضح من المصدر مدى جودة عمل StereoSplat على الأجهزة الحقيقية: فلا توجد نتائج من هذا النوع في الإعلان.

الخلاصة العملية: إذا كنت تطوّر تطبيقات VR أو AR، أو رؤية للروبوتات بكاميرا مجسّمة، فإن XRStereo أساس جاهز للتدريب ومقارنة الطرق. ينبغي أولًا التحقق مما إذا كانت هندسة كاميرتك تقع ضمن النطاق 50–130° لزاوية الرؤية و4–12 سم للمسافة بين الكاميرتين، ثم تقرير ما إذا كانت البيانات الاصطناعية كافية أم ستلزم إضافة بيانات حقيقية.

*Meta Platforms وشبكتا التواصل التابعتان لها Facebook وInstagram: صُنّفت Meta منظمة متطرفة وحُظر نشاطها في روسيا؛ كما حُظرت Facebook وInstagram في روسيا.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي تحتويه مجموعة البيانات؟

XRStereo مجموعة بيانات اصطناعية. وبما أن المشاهد تُنشأ في بيئات افتراضية، يأتي الوسم دقيقًا دون عمل يدوي. دقة كل صورة 1024 × 1024 بكسل. وفي كل تسلسل تتحرك الكاميرات داخل مشهد ثابت: لا يتغير سوى موضع التصوير، أما العالم نفسه فيبقى في مكانه. إلى جانب اللقطتين اليسرى واليمنى، تتضمن البيانات مواضع الكاميرات والمسافة بينها، وكذلك خرائط التباين (disparity). والفكرة ببساطة: إذا نظرت إلى إصبعك بعين واحدة ثم بالأخرى، «يقفز» الإصبع بالنسبة إلى الخلفية. وكلما اقترب الجسم، زادت القفزة.

ما أبرز التفاصيل حول لماذا غُيّرت الزاوية والمسافة بين الكاميرتين؟

تختلف كاميرات الرؤية المجسّمة في تركيبها من جهاز إلى آخر. ففي نظارة ما تكون العدسات أقرب إحداهما إلى الأخرى، وفي نظارة أخرى أبعد، وقد تُركَّب كاميرات الروبوت على عارضة منفصلة. وإذا تدرّب النموذج على هندسة واحدة، فإن أداءه على هندسة أخرى يكون عادةً أسوأ. ولتقليل هذا الاعتماد، غيّر الباحثون عند إنشاء المشاهد زاوية الرؤية الأفقية من 50° إلى 130°، والمسافة بين الكاميرتين من 4 إلى 12 سم. وبحسب تصورهم، يتيح ذلك تدريب الأنظمة على مختلف كاميرات الرؤية المجسّمة في نظارات VR والروبوتات، لا على طراز واحد بعينه من الأجهزة.

ما أبرز التفاصيل حول StereoSplat: الغاية التي أُنشئت من أجلها المجموعة؟

أُنشئت مجموعة البيانات في المقام الأول من أجل طريقة StereoSplat. طوّر مهندسو Meta هذه الطريقة بالتعاون مع مختصين من جامعة أمستردام. وتبني الطريقة تمثيلًا ثلاثي الأبعاد للمشهد باستخدام Gaussian Splatting. وفي هذا النهج يُوصف المشهد بمجموعة كبيرة من «البقع» الملونة الناعمة في الفضاء، يمكن منها تركيب الصورة بسرعة. بعد ذلك يولّد النظام صورة من زوايا رؤية جديدة، أي يعرض كيف كانت ستبدو الغرفة لو أُزيحت الكاميرا جانبًا.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…