في عالم الذكاء الاصطناعي، أصبحت نماذج التشتت (Diffusion Models) رائدة في مجال تقدير العمق الأحادي (Monocular Depth Estimation - MDE). ومع ذلك، كانت هذه النماذج تعتمد على فرضية أن العمق يمكن استعادته كحقل سلس عالمي من خلال عملية إزالة الضوضاء التدريجية، مما لا يعكس التنظيم المعتمد على المقياس والبنية الهيكلية للمناظر. في الواقع، يظهر الهيكل الهندسي بشكل تدريجي عبر المقاييس المكانية، حيث يتم بناء تخطيط خشن، وسطح، وحدود بطريقة هرمية.

مستوحاة من هذه الملاحظة، نقدم نموذج ARDepth، الذي يصيغ تقدير العمق كعملية توليد تلقائية مترابطة. بدلاً من استعادة العمق من خلال تحسين عالمي، يقوم ARDepth ببناء تمثيلات العمق بشكل تدريجي مع زيادة دقة المساحة. ولتلبية هذه العملية التوليدية، نقدّم تقنية Scale-Progressive Conditioning (SPC) لإدخال ميزات بصرية متعددة المقاييس في كل مرحلة من مراحل التوليد، بالإضافة إلى تقنية Semantic-Aware Guidance (SAG) لتوفير أولويات دلالية على مستوى المشهد تدعم التناسق الهيكلي العالمي.

تعمل هذه التصميمات المتكاملة على تمكين النموذج من التقاط التفاصيل الدقيقة المحلية مع الحفاظ على هندسة عالمية متسقة. وتظهر النتائج التجريبية أن نهجنا يحقق أداءً قوياً وينتج تقديرات عمق متسقة هيكلياً عبر المقاييس المختلفة، مما يثبت أن التوليد الإحصائي يمكن أن يكون بديلاً واعداً لنمذجة الهندسة.

ما رأيكم في هذا التطور الثوري في تقدير العمق؟ شاركونا آراءكم في التعليقات!