تجزئة بانوبتيك
يعطي التجزئة البانوبتيكية لكل بكسل في الصورة تسمية، وتوحد "ما هذه المنطقة" مع "أي كائن محدد هو هذا". هذا هو الشكل الأكثر اكتمالا لفهم المشهد في رؤية الكمبيوتر.
الغوص العميق
كان للرؤية الحاسوبية مهمتان منفصلتان لفترة طويلة. يقوم التصنيف الدلالي بتصنيف كل بكسل حسب الفئة (الطريق، السماء، الشخص) ولكن لا يمكنه التمييز بين شخصين. يقوم تجزئة المثيلات بالبحث عن الكائنات الفردية القابلة للعد وتحديد الخطوط العريضة لها ولكنه يتجاهل "أشياء" الخلفية مثل السماء أو العشب. تدمج عملية التجزئة البانوبتيكية، التي تمت صياغتها رسميًا من قبل باحثي الذكاء الاصطناعي في فيسبوك في عام 2018، كلا الأمرين: فهي تخصص فئة لكل بكسل، وبالنسبة إلى "الأشياء" المعدودة، فإنها تقوم أيضًا بتعيين معرف مثيل فريد. والنتيجة هي خريطة واحدة متماسكة خالية من الفجوات أو التداخلات. يتم قياس الجودة من خلال الجودة البانوبتيكية (PQ)، والتي تجمع بين مدى دقة التعرف على المناطق ومدى تطابق حدودها. إنه أمر ضروري حيثما يجب على الآلة أن تفهم مشهدًا كاملاً بشكل كامل، مثل السيارة ذاتية القيادة التي تفسر الشارع.
البصيرة الفنية
تقسم النماذج البانوبتيكية التسميات إلى "أشياء" (أشياء قابلة للعد مثل السيارات والأشخاص، والتي تحصل على معرفات الحالة) و"أشياء" (مناطق غير متبلورة مثل الطريق أو السماء، والتي لا تحصل عليها). كانت الأنظمة المبكرة تدير فروعًا دلالية ومثيلية منفصلة، ثم دمجتها مع القواعد لحل تعارضات البكسل. تتنبأ الأساليب الأحدث المعتمدة على المحولات، مثل Mask2Former، بمجموعة من الأقنعة ذات تسميات الفئات المرتبطة مباشرةً، وتتعامل مع كل من الأشياء والأشياء في بنية واحدة موحدة.
التأثير الاستراتيجي
السرعة والحجم
يمكن للذكاء الاصطناعي المرئي أتمتة مهام الفحص والكشف ووضع العلامات على نطاق واسع.
خيارات البناء
يمكن للفرق الإبداعية إنشاء نماذج أولية للمفاهيم بشكل أسرع مع عدد أقل من المراجعات اليدوية.
الفريق وسير العمل
يمكن أن تستخدم العمليات إشارات الصور والفيديو التي كان من الصعب معالجتها في السابق.
مستقبل تجزئة البانوبتيك
يتم دمج هذا المجال حول بنيات محولات موحدة قائمة على الاستعلام والتي تتعامل مع المهام الدلالية والمثالية والبانوبتيكية باستخدام نموذج واحد. تتجه الأبحاث نحو التجزئة الشاملة للفيديو التي تحافظ على اتساق هويات المثيلات عبر الإطارات، ونماذج المفردات المفتوحة التي تقسم الفئات الموصوفة في النص، والنماذج الأخف وزنًا التي تتسم بالكفاءة بما يكفي للروبوتات والمركبات. تعمل بيانات التدريب الاصطناعي الأفضل والإشراف الذاتي على تقليل التكلفة الباهظة للتعليقات التوضيحية اليدوية المثالية للبكسل.
التنفيذ في العالم الحقيقي
تقوم المركبات المستقلة ببناء خريطة كاملة على مستوى البكسل لتمييز كل سيارة ومشاة وطريق ورصيف
التصوير الطبي الذي يحدد مناطق الأعضاء أثناء حساب الآفات أو الخلايا الفردية
تطبيقات الواقع المعزز التي تفصل بين كل كائن وسطح لوضع المحتوى الافتراضي بشكل واقعي
أنظمة الروبوتات التي تحلل المشهد المزدحم بشكل كامل لتخطيط الإمساك والملاحة
المخاطر والدرابزين
يمكن أن تصبح حقوق الصور والموافقة مخاطر قانونية إذا كان المصدر غير واضح.
يمكن أن يختلف أداء النموذج عبر الإضاءة والتركيبة السكانية والبيئات.
قد تمر الإيجابيات الكاذبة دون أن يلاحظها أحد ما لم تتم مراقبة عتبات الثقة.
خارطة طريق التنفيذ
تحديد معايير القبول لتكاليف الدقة والاستدعاء والخطأ.
اختبار مع البيانات التي تتوافق مع ظروف الإنتاج الحقيقية.
أضف مراجعة بشرية للتنبؤات منخفضة الثقة أو عالية التأثير.
تتبع انحراف النموذج وإعادة التحقق من صحته بعد تغيير الكاميرا أو مجموعة البيانات.
استمر في الاستكشاف
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Panoptic Segmentation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
الدليل التالي
تجزئة الصورة
الأسئلة المتداولة
What is Panoptic Segmentation?
يعطي التجزئة البانوبتيكية لكل بكسل في الصورة تسمية، وتوحد "ما هذه المنطقة" مع "أي كائن محدد هو هذا". هذا هو الشكل الأكثر اكتمالا لفهم المشهد في رؤية الكمبيوتر.
ما الذي يعينه التجزئة البانوبتيكية لكل بكسل في الصورة؟
تقوم التجزئة البانوبتيكية بتسمية كل بكسل بفئة، بالإضافة إلى أنها تمنح "الأشياء" المعدودة معرف مثيل فريد، دون ترك أي فجوات أو تداخلات.
في المصطلحات البانوبتيكية، ما هي فئات "الأشياء"؟
تشير "الأشياء" إلى مناطق خلفية غير متبلورة لا تعد ولا تحصى مثل السماء أو الطريق، والتي تتلقى فئة ولكن لا يوجد معرف مثيل.
ما هو القيد الرئيسي للتجزئة الدلالية التي يتغلب عليها التجزئة الشاملة؟
يُصنف التجزئة الدلالية وحدات البكسل حسب الفئة ولكن لا يمكنها فصل شخصين عن بعضهما البعض؛ يضيف panoptic هوية المثيل.
ما المقياس المستخدم لتقييم جودة التجزئة البانوبتيكية؟
تجمع الجودة الشاملة (PQ) بين دقة التعرف وتداخل التجزئة لتسجيل مدى جودة التنبؤ بالأشياء والأشياء.
ما الذي تستقبله فئات "الأشياء" ولا تتلقىه فئات "الأشياء"؟
تحصل "الأشياء" المعدودة على معرف مثيل فريد بحيث يمكن التمييز بين الكائنات الفردية، بينما تحصل "الأشياء" على فئة فقط.