[مقدمة] طور فريق من جامعة تشينغهوا نظام AutoMIA، الذي يمكنه تحويل أي صورتين إلى عمل فني ثلاثي الأبعاد يُظهر وهمًا مرآويًا، ويُحقق عرضًا بصريًا لرسومات مختلفة على الجانبين الأمامي والخلفي، ويدعم الطباعة ثلاثية الأبعاد.
انظر أولاً إلى مجموعتي الصور أدناه: في كل مجموعة، اليسار هو النمط الأمامي للجسم أمام المرآة، واليمين هو انعكاسه في المرآة. من الغريب أن الأمامي والانعكاس في المرآة يظهران كشيئين غير مرتبطين تقريبًا — في المجموعة الأولى، الأمامي هو "CVPR"، بينما يصبح الانعكاس "2026"؛ وفي المجموعة الثانية، الأمامي هو "جبل"، بينما يصبح الانعكاس "ماء".
Their outlines, colors, and even meanings don't match, as if it's an "illusion."
السبب وراء ذلك هو أنه ينبع من كائن ثلاثي الأبعاد مصمم خصيصًا، يستغل "تأثير استكمال التناظر" في النظام البصري البشري ليخلق وهمًا، وتُعرف هذه الظاهرة باسم فن الوهم المرآوي.
من خلال تصميم دقيق للهندسة ثلاثية الأبعاد ولون السطح، تمكّن الباحثون من جعل كائن حقيقي يظهر بتأثيرات بصرية مختلفة عند الملاحظة المباشرة وملاحظته في المرآة.
هنا زوجان من مقاطع الفيديو "الفك" المقابلة.
في السياق التقليدي، يتطلب تصميم هذه الأعمال الفنية تفكيرًا محترفًا من فنانين متخصصين، بالإضافة إلى كمية كبيرة من الخبرة البشرية المعقدة في التصميم والحسابات الرياضية، مما يجعل تصميم هذه الأعمال الفنية عاليًا في الحدود بالنسبة للعامة.
هل هناك طريقة يمكن من خلالها أتمتة مساعدة الأشخاص على إنجاز تصاميم فنية مثل هذه، بحيث يمكن للعامة تحويل إلهامهم إلى أعمال فنية؟
في الآونة الأخيرة، طور فريق بحثي من جامعة تشينغهوا وغيرها من المؤسسات AutoMIA، وهي طريقة ذكاء اصطناعي لتصميم فنون الوهم المرآة تلقائيًا، حيث يمكن للمستخدمين تحديد صورتين عشوائيتين، إحداهما تمثل النمط أمام المرآة والأخرى النمط داخل المرآة، ويقوم AutoMIA تلقائيًا بتصميم العمل الفني ثلاثي الأبعاد، مع دعم الطباعة ثلاثية الأبعاد المباشرة لإنتاج العمل الفني.
رابط الورقة البحثية: http://arxiv.org/abs/2607.02015
رابط الكود: https://github.com/zxp555/AutoMIA
تم قبول الورقة في CVPR 2026 وتم تصنيفها كورقة بارزة (Highlight Paper)؛ بالإضافة إلى ذلك، نظرًا لكفاءتها الحسابية العالية، حصلت هذه العمل على جائزة CVPR للحساب الفعال (Efficient CVPR).
الخلفية البحثية
لطالما كانت فنون الخداع البصري مشكلة مهمة في التقاطع بين الفن وعلم النفس ورؤية الحاسوب. تشمل الخدع الشائعة ثنائية الأبعاد الصور المختلطة وصور التشوه البصري؛ بينما تشمل الخدع ثلاثية الأبعاد فن الظل وفن الأسلاك متعدد المناظر.
تعتمد هذه الطرق عادةً على زوايا محددة أو إسقاطات أو علاقات ظلية، مما يجعل نفس الكائن يظهر بمظهر مختلف تحت ظروف مراقبة مختلفة.
Mirror Illusion Art هو نوع أكثر خصوصية من الوهم ثلاثي الأبعاد: عندما يوضع كائن حقيقي أمام مرآة، يرى المراقب من الأمام نمطًا واحدًا، بينما يرى نمطًا مختلفًا في المرآة.
في السابق، كانت التصاميم ذات الصلة تتطلب غالبًا استنتاجًا يدويًا مكثفًا وتعديلات يدوية، وكانت تركز بشكل كبير على تصميم الأشكال، مما يجعل من الصعب معالجة الأنماط الملونة في نفس الوقت. إذا تم الاعتماد مباشرةً على أساليب مثل فن الظل، فقد يؤدي ذلك بسهولة إلى ضوضاء سطحية، أو كتل خلفية، أو كسور داخلية، مما يؤثر على الجودة البصرية وصنع النسخ المادية.
لذلك، طرح المؤلف سؤالاً مباشراً: هل يمكن جعل الذكاء الاصطناعي يصمم تلقائيًا هذه الأشياء الوهمية المرآة؟ هل يمكن للنظام تحسين الشكل ثلاثي الأبعاد واللون في آنٍ واحد، بالنظر إلى صورتين مستهدفتين، بحيث يظهر نفس الجسم بمظهرين محددين من زاويتين مختلفتين؟
Methodology
نموذج AutoMIA هذه المشكلة كمهمة تصميم عكسي من منظورين. يستخدم النظام تمثيل الفوكسلات للأشياء ثلاثية الأبعاد، حيث يحتوي كل فوكسل على معلومات الكثافة واللون؛ ثم يتم تصور الجسم من زاويتين محددتين عبر التصوير الفوكسي التفاضلي، ويتم مقارنة نتائج التصوير بصورتين مستهدفتين.
يُضمّن هدف التحسين كلًا من تشابه الشكل وتشابه اللون، بحيث يحقق الكائن المُولّد متطلبات المحيط ويُنتج لون الصورة المستهدفة.
في التحسين العملي، اكتشف المؤلف أربع فئات من المشكلات الرئيسية: الضوضاء السطحية، الضوضاء الخلفية، الكسر الداخلي، وعدم التوازن في تحسين الشكل واللون.
لذلك، تقترح الورقة أربعة آليات أساسية.
أولاً، PAC، أي تقطيع المناطق المتصلة بناءً على التحديد الإسقاطي. يقوم النظام بأسقاط مكونات الاتصال في الفوكسل الحالي تدريجياً على منظورين، ويُقيّمها بناءً على درجة تطابقها مع قناع الهدف ومستوى التسرب الخلفي، مع الاحتفاظ بالهياكل التي تسهم فعلاً في نمط الهدف، وحذف الأجزاء الضوضائية العائمة أو غير الفعالة.
ثانيًا، PWA، أي التكيف التكيفي الموزون حسب الموقع للحد من الضوضاء. إنه يعدل وزن عقوبة الخلفية بناءً على المسافة بين البكسل ومنطقة الهدف، مما يؤدي إلى فرض عقوبات أقوى على الإسقاطات الخاطئة البعيدة عن النمط المستهدف، وبالتالي تقليل ضوضاء الخلفية البعيدة.
ثالثًا، IVP، أي حماية الحجم الداخلي. نظرًا لأن الصور الخاضعة للإشراف تقيّد بشكل أساسي سطح الجسم، فإن الحجوم الداخلية قد تُضعف بشكل خاطئ أثناء التحسين، مما يؤدي إلى كسر الهيكل. يقوم IVP بتحديد الحجوم الداخلية وتطبيق حد أدنى للكثافة، مما يساعد على الحفاظ على سلامة الجسم، وهو أمر بالغ الأهمية للطباعة ثلاثية الأبعاد اللاحقة.
أخيرًا، SCD، أي تحسين فصل الشكل-اللون. يقوم AutoMIA بتقسيم عملية التدريب إلى مراحل: تحسين الشكل، وتحسين الشكل واللون معًا، وتحسين اللون، لتجنب تدخل اللون المبكر في البنية الهندسية، وتقليل التعارضات بين ألوان الزوايا المختلفة.
نتائج التجربة
تم التحقق من AutoMIA باستخدام مجموعة متنوعة من الصور ثنائية الأبعاد كمدخلات، بما في ذلك الحروف الإنجليزية والأرقام والصينية وأنماط هندسية ورموز تعبيرية ورسوم كرتونية وشعارات.
في التجربة، قارن المؤلفون AutoMIA مع الطرق مثل Shadow Art (SA) و Shadow Art Revisited (SAR). نظرًا لأن الطرق الأساسية تدعم بشكل رئيسي تحسين الشكل، فقد ركزت المقارنة على مؤشرات مثل درجة السلس، ومستوى الضوضاء، واتساق الشكل.
أظهرت النتائج أن AutoMIA حققت ميزة واضحة في جودة إعادة البناء. وفقًا لتقرير البحث، بلغ مستوى الانسيابية (SL) لـ AutoMIA 0.989، وانخفض مستوى الضوضاء (NL) إلى 0.049، ووصل اتساق الشكل (SS) إلى 0.931؛ في المقابل، فإن SA وSAR تظهران فجوات واضحة في اتساق الشكل والتحكم في الضوضاء.
في الوقت نفسه، يبلغ متوسط وقت التصميم لـ AutoMIA على بطاقة RTX 3090 واحدة 76 ثانية، بمتوسط استهلاك ذاكرة GPU يبلغ حوالي 2.6 جيجابايت، مما يدل على كفاءة حسابية عالية.
من النتائج المرئية، فإن SA وSAR تميل إلى إنتاج ضوضاء عائمة أو سطح غير متساوٍ أو كسر داخلي، مما يؤدي إلى صعوبة تكوين هيكل صلب مستقر وكامل.
نتيجة AutoMIA لا تطابق فقط ملامح صورتي الهدف بشكل أفضل، بل تعيد بناء السطح الملون للصورة المدخلة، مما يجعل المنظور الأمامي ومنظور المرآة كلاهما يمتلكان دلالات بصرية واضحة.
هذا أمر بالغ الأهمية لفن الهلوسة المرآوية: إذا كانت الأشكال صحيحة ولكن الألوان فوضوية، أو إذا كانت الألوان قريبة ولكن الهيكل مفكك، فسيكون من الصعب تحقيق وهم مقنع في النهاية.
أظهرت تجارب الإزالة أن PAC وPWA وIVP وSCD تسهم جميعها في النتائج النهائية. يؤدي إزالة أي وحدة إلى انخفاض جودة إعادة البناء. على سبيل المثال، يؤدي إزالة PAC إلى زيادة كبيرة في الضوضاء وتقليل اتساق الشكل؛ بينما تؤثر إزالة SCD على الشكل واللون والانسيابية.
هذا يوضح أن AutoMIA لا تعتمد فقط على تحسين الفوكسل، بل تم تصميمها بشكل منهجي لمعالجة المشكلات الناتجة عن هلوسات المرآة.
يُقدم أدناه مجموعة من الأمثلة على عوالم رقمية، حيث يمكن رؤية في الصورة أن كائنات وهمية مرآوية تم تصورها بجودة جيدة باستخدام برنامج محاكاة رقمية يُدعى Blender.
بالإضافة إلى النتائج الرقمية، تُظهر الورقة عدة حالات دراسية لتصنيع كيانات فعلية. قام المؤلفون بتحويل نماذج الvoxels المُحسَّنة إلى صيغ قابلة للطباعة ثلاثية الأبعاد، ثم صنعوا كائنات فعلية عبر الطباعة ثلاثية الأبعاد.
في الصور الواقعية، يظهر الجسم في الأمام والمرآة بأنماط مختلفة، مما يدل على أن هذه الطريقة نجحت في الانتقال من التصميم الرقمي إلى العالم المادي.
يمكن للمستخدمين إنشاء أنواع مختلفة من الأعمال الفنية باستخدام هذه الطريقة.
الاستنتاجات والآفاق
اقترح الباحثون AutoMIA، وهو نظام تصميم ذكي لإنشاء فنون الخداع المرآوي تلقائيًا.
يمكنه تحسين شكل ولون الكائن ثلاثي الأبعاد بشكل مشترك بدءًا من صورتين ثنائيتي الأبعاد، وتحسين جودة النتائج من خلال آليات مثل PAC وPWA وIVP وSCD، مما يجعل الكائنات المولدة أكثر سلاسة وكاملة، وأكثر ملاءمة للتصنيع الفعلي.
تُظهر هذه المهمة إمكانيات جديدة للذكاء الاصطناعي في التصميم الحسابي والإبداع الفني: فهو لا يقتصر على توليد الصور، بل يمكنه أيضًا تصميم كائنات ثلاثية الأبعاد وهمية قابلة للتحقيق فيزيائيًا. فكائن واحد له شكل واحد فقط في الواقع، لكنه يُظهر هوية بصرية مختلفة في المرآة، مما يفتح مجالات جديدة للبحث في الإدراك البصري وعلم الرسوميات العكسي والتصنيع الرقمي.
نبذة عن المؤلف
ترتيب مؤلفي الورقة البحثية كالتالي: تشو شياوبي، باحث في برنامج شوي مو بجامعة تشينغهوا، ومشرفها التعاوني هو البروفيسور تشو جون؛ لي زيهوان (مؤلف مشترك أول)، طالب جامعي في جامعة هوازونغ للعلوم والتكنولوجيا، بالإضافة إلى البروفيسور تشو جون والأستاذ المساعد هو شياولين من جامعة تشينغهوا (المؤلف المراسل).
المراجع: http://arxiv.org/abs/2607.02015
هذا المقال من حساب WeChat "New Intelligence Yuan"، المؤلف: New Intelligence Yuan؛ المحرر: LRST