في عالم الذكاء الاصطناعي، يبقى فهم وتوليد المشاهد ثلاثية الأبعاد أمراً معقداً. تناولت ورقة بحثية جديدة دور توليد المناظر الجديدة (Novel View Synthesis - NVS) في تحسين التعلم الهندسي.

بشكل عام، ينبغي أن يتيح NVS معالجة هيكل المشهد ثلاثي الأبعاد، مما يمكن من إنشاء تمثيلات هندسية قابلة للتحويل عبر زوايا متعددة. إلا أن الأساليب الحالية المعتمدة على المحولات تعاني من ضعف في تمثيل المشهد، وهذا ناتج عن خيارات معمارية غير ملحوظة.

تحتوي هذه المعوقات على “محولات تعبيرية مكانية” التي تؤثر سلباً على قدرات تمثيل مشهد الإشارات، وأهداف على مستوى البكسل المنخفض التي تعيق تعلم الخصائص.

يقدم الباحثون نموذج SNAP، وهو نموذج محول يعتمد على التعلم الذاتي، موجه لإنشاء مشهد محلي مشروط بالوضع وهدف إعادة بناء في الفضاء الكامن. يتميز SNAP بقدرته على التنافس مع الأساليب المدعومة هندسياً الخاصة، كما يؤدي بشكل قوي ضد تمثيلات التعلم الذاتي عبر خمس مهام متنوعة: تحديد الموقع البصري، تقدير الوضع، مطابقة النقاط، تقدير العمق، وتحريك الروبوتات.

الجدير بالذكر أن ميزات SNAP تُظهر استقلالية مشهدية ناشئة، تقترب من نماذج مدعومة بكثافة رغم انخفاض تكاليف الحوسبة والبيانات. في حالات تحريك الكاميرا حيث تنهار التمثيلات الثنائية الأبعاد التقليدية، يتحلل SNAP بشكل أكثر سلاسة. وهذا يشير إلى أن تقييد قدرة المحوِّل النماذجية يساعد بالفعل في تفادي قمع الهيكل الهندسي القابل للتحويل.