ادخل إلى التقنية التي تحوّل الصور المسطحة إلى أجسام ومساحات ثلاثية الأبعاد كاملة. من تقدير العمق والحقول الإشعاعية العصبية إلى قياس الصور وتقنية 3D Gaussian Splatting، يشرح هذا المقال كيف يبني الذكاء الاصطناعي نماذج ثلاثية الأبعاد من صور عادية، وأين يعيد تشكيل صناعات تبدأ من الجراحة وتصل إلى التجارة الإلكترونية.
الصورة نفسها التي تلتقطها في عشاء مع الأصدقاء يمكن، مع مسار الذكاء الاصطناعي المناسب، أن تتحول إلى مشهد ثلاثي الأبعاد يمكن التنقل فيه بالكامل. وليس تفسيرًا فنيًا لذلك المشهد، بل إعادة بناء هندسية دقيقة، إذ يمتلك كل سطح عمقًا قابلًا للقياس، ويشغل كل جسم حيزًا ثلاثي الأبعاد حقيقيًا، وتتطابق الإضاءة على مفرش الطاولة مع خصائص مادية فعلية. ما يجعل ذلك ممكنًا هو تقاطع ثلاثة مناهج مختلفة في الذكاء الاصطناعي، يعالج كل منها جزءًا مختلفًا من مسألة الهندسة، ويتفوق كل منها بقدر كبير على ما كان متاحًا قبل خمس سنوات.
عندما يسمع الناس أن الذكاء الاصطناعي يولّد نماذج ثلاثية الأبعاد من الصور، يتخيل كثيرون شيئًا فنيًا: نموذجًا مدرَّبًا على مجموعات بيانات من الأعمال الفنية ثلاثية الأبعاد، فينتج شيئًا يبدو ثلاثي الأبعاد. الحقيقة أكثر صرامة. فتحويل الصورة إلى ثلاثي الأبعاد مسألة استعادة هندسية في جوهرها. يحاول النظام الإجابة عن سؤال واحد: بالنظر إلى مجموعة من البكسلات ذات قيم ألوان معروفة، أي ترتيب للأسطح في الفضاء ثلاثي الأبعاد ينتج تلك الألوان بالضبط عند رؤيتها من زاوية الكاميرا هذه؟
هذا السؤال أصعب مما يبدو. فالتصوير يضغط ثلاثة أبعاد إلى بُعدين. تتلاشى كل المعلومات المكانية (أي الأجسام أقرب، وبأي زاوية يواجه السطح، وما المسافة الفعلية بين نقطتين) داخل شبكة مسطحة من البكسلات. واستعادة البُعد الثالث من هذا السجل المضغوط هي ما تفعله أنظمة الذكاء الاصطناعي هذه، والدقة الممكنة اليوم لافتة للنظر.
تستطيع أحدث أنظمة تحويل الصورة إلى ثلاثي الأبعاد إعادة بناء الأجسام بدقة تقل عن المليمتر من التقاطات متعددة الصور، كما تنتج الطرق القائمة على صورة واحدة هندسة معقولة لفئات الأجسام المألوفة حيث لا توجد معلومات عمق مباشرة على الإطلاق.
تشترك كل خوارزمية لإعادة بناء ثلاثي الأبعاد في مهمة أساسية واحدة: استعادة العمق. فالبكسل العادي في الصورة الفوتوغرافية يخبرك باللون وشدة الإضاءة، لكنه لا يخبرك بمدى بُعد تلك النقطة عن الكاميرا. لذلك يجب على الذكاء الاصطناعي أن يستنتج هذا البُعد المفقود، إما من العلاقات الهندسية عبر صور متعددة، أو من أنماط بصرية مكتسبة من إطار واحد.
يعتمد اختيار المنهج على المدخلات المتاحة ومدى الدقة المطلوبة في النتيجة. الطرق الهندسية متعددة الصور أكثر دقة، أما الطرق القائمة على صورة واحدة فهي أسرع وتتطلب جهد التقاط أقل. ويُستخدم الاثنان، وغالبًا معًا.
يسبق قياس الصور الذكاء الاصطناعي بعقود. وهو منهج هندسي: التقط صورًا متعددة للجسم نفسه من مواضع مختلفة، وابحث عن الميزات البصرية المتطابقة عبر تلك الصور، واستخدم العلاقات الهندسية بين هذه التطابقات لتحديد الموقع ثلاثي الأبعاد لكل نقطة بالتثليث.
ما فعله الذكاء الاصطناعي الحديث بقياس الصور هو تسريعه وتعميمه. فالقياس التقليدي كان يتطلب إضاءة مضبوطة، وأسطحًا نظيفة غنية بالميزات، وفحصًا يدويًا لجودة التطابقات. أما مسارات العمل الحالية المدعومة بالذكاء الاصطناعي فتتعامل مع أجسام ذات أنسجة متكررة وأسطح عاكسة وإضاءة غير متسقة، وهي حالات كانت ستُفشل الطرق القديمة تمامًا.
يسير المسار الأساسي على النحو التالي:
ناتج عملية قياس صور منفذة جيدًا هو شبكة ثلاثية الأبعاد ذات ملمس، وهي، للموضوعات الملتقطة بشكل صحيح، لا تتميز بصريًا عن نموذج ممسوح فعليًا.
قبل وجود الشبكة، توجد سحابة النقاط. يقع هذا التمثيل الوسيط في قلب كل طرق إعادة البناء متعددة الصور، وليس في القياس وحده، وفهمه يوضح كيف يعمل بقية المسار.
سحابة النقاط هي فعلًا ما يوحي به الاسم: ملايين (وأحيانًا مليارات) من إحداثيات ثلاثية الأبعاد منفصلة، يحمل كل منها اللون المرصود في ذلك الموضع من الصور المصدر. تولّد برامج القياس الحديثة عادةً سحابات نقاط تضم من 50 إلى 200 مليون نقطة من بضع مئات من الصور. وعند هذه الكثافة، تبدو السحابة نفسها كجسم صلب عند عرضها، حتى قبل تطبيق خطوة التشبيك.
تحوّل خطوة التشبيك السحابة غير المنظمة إلى سطح متصل. فخوارزميات مثل إعادة بناء السطح بطريقة Poisson أو طريقة ball-pivoting تُلائم شبكة مثلثات متصلة مع توزيع النقاط. وتحدد جودة هذه الخطوة مدى حسن تعامل النموذج النهائي مع البنى الرفيعة والحواف الحادة والهندسة المقعرة.
يحتاج قياس الصور إلى صور متعددة. أما تقدير العمق الأحادي فيعمل بصورة واحدة فقط. وهذه هي التقنية وراء تطبيقات الهاتف التي تقرّب هندسة الغرفة من إطار فيديو واحد، وهي تعتمد على أنماط اكتسبها النموذج من التدريب على ملايين أزواج الصورة والعمق.
تستوعب نماذج الذكاء الاصطناعي المدرَّبة على هذه البيانات إشارات بصرية تدل بموثوقية على العلاقات المكانية:
الناتج هو خريطة العمق: صورة رمادية تشفّر فيها سطوع البكسل المسافة المقدّرة. الأبيض الساطع يعني قريبًا، والأسود العميق يعني بعيدًا. ومن خريطة العمق هذه يمكن إعادة بناء سطح ثلاثي الأبعاد تقريبي بإسقاط كل بكسل إلى الخارج من الكاميرا على المسافة المقدّرة له.
ينتج تقدير العمق الأحادي أعماقًا نسبية. يستطيع النموذج أن يخبرك بأن المزهرية أقرب من خزانة الكتب، لكنه لا يستطيع تحديد المسافة الدقيقة لكل منهما بالوحدات الواقعية. أما التطبيقات التي تتطلب دقة مترية، فتوفر إعدادات الكاميرات المزدوجة أو أجهزة الاستشعار المخصصة للعمق عامل المقياس اللازم للتحويل من التقديرات النسبية إلى قياسات مطلقة.
قدّم NeRF، الذي ظهر عام 2020، إجابة مختلفة جوهريًا عن مشكلة تحويل الصورة إلى ثلاثي الأبعاد. فبدلًا من إعادة بناء شبكة وتطبيق الملمس عليها، يدرّب NeRF شبكة عصبية مدمجة لتمثيل المشهد نفسه كـدالة حجمية متصلة.
عند إدخال أي موضع ثلاثي الأبعاد واتجاه رؤية، تُخرج الشبكة اللون والكثافة في ذلك الموضع من الفضاء. ولعرض مشهد، تُطلق أشعة عبر بكسلات كاميرا افتراضية، وتأخذ عينات من الشبكة عند نقاط كثيرة على طول كل شعاع، ثم تُركّب النتائج لتكوين لون البكسل. تتدرب الشبكة على المدخلات متعددة الصور نفسها التي يستخدمها قياس الصور، لكنها بدلًا من استخراج هندسة صريحة، تستوعب دالة ضمنية قادرة على إعادة إنتاج صور التدريب الأصلية وتعميم الرؤية على زوايا جديدة تمامًا.
كانت ميزة الجودة على قياس الصور التقليدي فورية في مجالات معينة. يتعامل NeRF بطبيعة الحال مع:
كان القيد الأصلي هو التكلفة الحاسوبية. كانت نماذج NeRF الأولى تستغرق ساعات لتدريبها على مشهد واحد وثوانٍ لعرض كل إطار. وقد قلّص مجتمع البحث هذه الفجوة بشكل كبير منذ ذلك الحين. فقد قلّصت طرق مثل Instant-NGP زمن التدريب إلى دقائق. أما 3D Gaussian Splatting (3DGS)، الذي ظهر عام 2023، فيحقق عرضًا فوريًا بجودة عالية عبر تمثيل المشاهد بملايين الغاوسيات ثلاثية الأبعاد الموجّهة بدلًا من شبكة عصبية، مما يتيح معاينة تفاعلية على أجهزة استهلاكية.
تعتمد جودة أي إعادة بناء متعددة الصور على طريقة التقاط الصور أكثر مما تعتمد على خوارزمية المعالجة التي تستخدمها. فالخوارزمية المتطورة مع تغطية ضعيفة تنتج ثقوبًا وأخطاء هندسية، والخوارزمية الجيدة مع تغطية وافية ومتداخلة تنتج نتيجة نظيفة.
| عنصر الالتقاط | الحد الأدنى للمعيار | المعيار الاحترافي |
|---|---|---|
| التباعد الزاوي | كل 20-30 درجة | كل 10-15 درجة |
| الطبقات الرأسية | 2 (أفقية + ميل نحو الأعلى) | 3-4 (بما في ذلك الزاوية الموجهة للأسفل تمامًا) |
| التداخل بين الصور | 60% بين الصور المتجاورة | 80% بين الصور المتجاورة |
| الإضاءة | متسقة، دون ظلال حادة | غائمة أو إضاءة استوديو منتشرة |
| الدقة | 12 ميغابكسل | 24 ميغابكسل على الأقل |
بالنسبة للموضوعات واسعة النطاق (المباني والمواقع الأثرية والتضاريس)، يُعد قياس الصور بالطائرات المسيّرة المعيار الحالي في الصناعة. تطير الطائرة المسيّرة وفق شبكة مبرمجة، وتلتقط إطارات متداخلة عند كل نقطة مرور. وقد صُمم خط الطيران بحيث تظهر كل نقطة في الموضوع في ثلاث أو أربع صور على الأقل من زوايا متباينة بما يكفي، مما يمنح خوارزمية إعادة البناء قيودًا هندسية كافية للتثليث الدقيق.
💡 نصيحة للالتقاط: الرياح من أكثر مصادر الخطأ شيوعًا في القياس في الهواء الطلق. حتى الاهتزاز الطفيف للكاميرا أثناء الالتقاط يُدخل ضبابية تعطل مطابقة الميزات. صوّر في أجواء هادئة، أو استخدم سرعة غالق أعلى لتجميد أي حركة.
كان التصوير الطبي من أوائل التطبيقات عالية القيمة، وقد تجاوز منذ زمن مرحلة التجريب. يستخدم جراحو العظام بانتظام إعادة البناء ثلاثية الأبعاد من فحوص الأشعة المقطعية لتخطيط عمليات استبدال المفاصل، فيختارون الزراعات ويضعونها على نموذج رقمي لتشريح المريض الفعلي قبل الشق الأول.
تمثل الزراعات المخصصة المصممة من تشريح ثلاثي الأبعاد خاص بالمريض واحدة من أوضح الفوائد السريرية. فالطقم الصناعي الجاهز للورك يأتي بمقاسات محدودة، أما الطقم المخصص المصمم من هندسة عظم المريض الفعلية فيناسبه بدقة، مما يقلل زمن العملية ويحسن الثبات على المدى الطويل. والنموذج ثلاثي الأبعاد الذي يتيح ذلك يأتي من فحص أشعة مقطعية قبل الجراحة، معالَج عبر مسار للتجزئة وإعادة البناء.
يُعد تقييم الجروح تطبيقًا أحدث يكتسب زخمًا في البيئات السريرية. فالماسحات الضوئية بالضوء المنظم أو كاميرات العمق المثبتة على الهواتف الذكية القياسية يمكنها توليد نماذج ثلاثية الأبعاد دقيقة لهندسة الجرح، مما يمنح الأطباء قياسات طولية موضوعية لأبعاد الجرح بدلًا من الاعتماد على التقدير البصري.
كان المعماريون وحفظة التراث من المتبنين الأوائل، وقد توسعت حالاتهم الاستخدامية باستمرار.
بالنسبة لإعادة تأهيل المباني القائمة، ينتج المسح بالطائرة المسيّرة نموذجًا ثلاثي الأبعاد دقيقًا في حدود بضعة سنتيمترات، ويصلح أساسًا للرسومات التنفيذية. وما كان يتطلب في السابق مسحًا مكلفًا بتقنية LIDAR (غالبًا ما بين 5,000 و50,000 دولار للمشروع الواحد) أصبح يكلف رحلة طائرة مسيّرة وبضع ساعات من المعالجة.
يستفيد التوثيق التراثي من الطبيعة غير التلامسية للمسح بقياس الصور. فمواقع الآثار الهشة والتماثيل المتضررة والتفاصيل المعمارية المتآكلة يمكن تسجيلها بدقة ثلاثية الأبعاد دون أي تلامس مادي، مما يخلق سجلًا رقميًا دائمًا وخط أساس لرصد التدهور المستقبلي.
تستخدم إدارات التخطيط الحضري نماذج المدن ثلاثية الأبعاد لتحليل الظلال وتقييم خطوط الرؤية وعرض أثر التطوير. وعند تقديم تصريح بناء، يُدرج المبنى المقترح في نموذج المدينة ثلاثي الأبعاد الفعلي، فتصبح آثاره على الجيران والمساحات العامة مرئية فورًا.
استخدمت استوديوهات المؤثرات البصرية وفرق تطوير الألعاب قياس الصور لإنشاء الأصول عالية الجودة منذ سنوات. فمسح الأدوات المادية ووجوه الممثلين ومواقع التصوير الحقيقية ينتج أصولًا تحمل مستوى من التفاصيل الفوتوغرافية لا يضاهيه التوليد الإجرائي أو النحت اليدوي بالسرعة الإنتاجية نفسها.
💡 لماذا يهم الأمر للألعاب: مسح واحد بقياس الصور لجدار حجري حقيقي ينتج خريطة ملمس بتنوع جيولوجي أصيل لا يستطيع فنان مواد أن يكرره بتكلفة معقولة يدويًا. هذه الخصوصية هي ما يفصل البيئات الواقعية كالصور الفوتوغرافية عن البيئات التي تقلد الواقع فحسب.
التحول في السنوات الأخيرة يتعلق بمن يستطيع القيام بهذا العمل. فبرامج القياس الاستهلاكية باتت تعالج لقطات الهاتف الذكي وتحولها إلى أصول بجودة الإنتاج، مما يجعل إنشاء أصول ثلاثية الأبعاد واقعية متاحًا للمطورين المستقلين والاستوديوهات الصغيرة التي لم تكن تملك ميزانية معدات المسح الاحترافية.
أصبح مسح المنتجات مسارًا تجاريًا مهمًا. فمسح واحد بقياس الصور لمنتج مادي ينتج نموذجًا ثلاثي الأبعاد يمكن للفرق التسويقية أن تولّد منه أي مزيج من زوايا الكاميرا وظروف الإضاءة وبيئات السياق، برمجيًا، دون تصوير إضافي.
تذهب تطبيقات معاينة المنتجات بالواقع المعزز إلى أبعد من ذلك. يعيد التطبيق بناء الهندسة الأساسية للغرفة من بث كاميرا الهاتف، ويضع نموذج المنتج بالمقياس الصحيح، ويعرضه بإضاءة مقدّرة من البيئة المحيطة. يتفاعل المتسوقون مع المنتج في مساحتهم الخاصة قبل الشراء. وتُظهر بيانات معدلات الإرجاع لدى تجار التجزئة الكبار باستمرار أن معاينات المنتجات بالواقع المعزز تقلل الإرجاع في الأثاث والسلع المنزلية بنسبة تتراوح بين 25 و40 في المئة.
💡 جودة أي إعادة بناء محدودة بجودة الصور المدخلة. الصور الضبابية أو المضغوطة بصيغة JPEG أو ناقصة التعريض تُدخل أخطاء في مطابقة الميزات تتراكم عبر كل خطوة معالجة لاحقة.
أكثر إجراءات ما قبل المعالجة تأثيرًا هو تعظيم حدة الصورة ودقتها. فأدوات رفع الدقة بالذكاء الاصطناعي تستعيد التفاصيل التي أزالها الضغط أو النعومة الطفيفة للكاميرا، فتمنح خوارزميات القياس بيانات نقاط مفتاحية أكثر موثوقية للعمل بها.
Real ESRGAN مثبت الفعالية في مسارات إعادة البناء الاحترافية لاستعادة التفاصيل الفوتوغرافية من مواد المصدر المضغوطة. يستعيد الملمس الدقيق الذي يزيله ضغط JPEG، وهذا يحسّن بشكل مباشر دقة مطابقة الميزات في مسارات القياس الصوري.
Clarity Pro Upscaler يضيف مرحلة شحذ دقيقة للتفاصيل تُبرز تعريف الحواف دون أثر الهالة الذي ينتجه قناع الحدة التقليدي. والحواف الأكثر وضوحًا تُترجم مباشرة إلى كشف أدق للميزات.
بالنسبة لمسارات العمل التي تتطلب عزل الموضوع بشكل نظيف قبل إعادة البناء، فإن Remove Background ينتج قصاصات خالية من العيوب تمنع بكسلات الخلفية من التأثير في خطوة تقدير العمق.
عندما يكون الهدف تعظيم دقة المخرجات بعد اكتمال إعادة البناء، فإن Image Upscale by Topaz Labs يدعم تكبيرًا يصل إلى 6 أضعاف مع الحفاظ على بنية الحبيبات الدقيقة، وهو مفيد عندما تكون الصور المصدر قد التُقطت بأجهزة أقدم أو في ظروف مقيدة.
رغم التقدم الكبير، هناك أنواع معينة من المشاهد تتحدى الطرق الحالية بشكل متكرر:
| فئة المشكلة | السبب الجذري | الحلول البديلة الحالية |
|---|---|---|
| الأجسام الشفافة والزجاجية | ينكسر الضوء عبرها، ولا يوجد ملمس سطحي للمطابقة | مسح بالضوء المنظم متعدد الاستقطاب |
| المرايا والأسطح العاكسة | تبدو وكأنها تحتوي على هندسة مستحيلة | معاملتها كمناطق مقنّعة، وإعادة بنائها من السياق المحيط |
| البنى الرفيعة (الشعر والأسلاك والأوراق النباتية) | تغطية بكسلية غير كافية للتثليث الدقيق | التقاط عالي الدقة، ومعارف مسبقة خاصة بالفئة |
| الأسطح الخالية من الملمس (الجدران البيضاء والبلاستيك الأملس) | لا توجد نقاط مفتاحية قابلة للكشف لمطابقة الميزات | إسقاط أنماط الضوء المنظم على السطح |
| العناصر الديناميكية (الأشخاص المتحركون والأجسام التي تحركها الرياح) | تكسر افتراض المشهد الثابت الذي تعتمد عليه كل الطرق متعددة الصور | فصل المقدمة عن الخلفية، وإعادة بناء كل منهما على حدة |
ربما تكون الحركة أصعب قيد عملي. فكل طريقة لإعادة البناء متعددة الصور تفترض أن المشهد ثابت أثناء التقاط الصور. فشخص يغيّر وزنه بين اللقطات، أو ورقة تحركها الريح، أو ظل يتغير موضعه مع مرور الغيوم، كلها تُحدث تناقضات هندسية تُفسد النتيجة.
بالنسبة للطرق القائمة على صورة واحدة، تتقيّد دقة النتائج بتوزيع بيانات التدريب. فالأجسام أو التكوينات التي لم يواجهها النموذج بما يكفي أثناء التدريب تُنتج هندسة غير معقولة في المناطق المحجوبة، حيث يجب أن تحل الأنماط المكتسبة محل الأدلة الهندسية الفعلية.
يقع تحويل الصور إلى ثلاثي الأبعاد عند تقاطع رؤية الحاسوب وتعلم الآلة والهندسة. وحواجز استخدام هذه التقنية تتراجع بسرعة، وتمتد تطبيقاتها من تطبيقات الهواتف الذكية الاستهلاكية إلى أنظمة التخطيط الجراحي المستخدمة في المستشفيات حول العالم.
إذا كنت تعمل على أي مشروع تحدد فيه جودة الصورة جودة النتيجة، فإن أدوات PicassoIA للذكاء الاصطناعي تمنحك وصولًا مباشرًا إلى نماذج رفع الدقة ومعالجة الصور نفسها التي تعتمد عليها مسارات ثلاثية الأبعاد الاحترافية. ارفع دقة صورك المصدر واستعدها قبل إعادة البناء، أو أزل الخلفيات للحصول على عزل أنظف للموضوع، أو ادفع دقة المخرجات إلى أقصى حد باستخدام Topaz Image Upscale.
التقنية جاهزة. ابدأ بالصور التي لديك وشاهد ما يفعله الذكاء الاصطناعي بها.
اختر لغتك
