في عالمنا الرقمي المتسارع، أصبح ضغط المعلومات حجر الزاوية لتمكين معالجة البيانات بكفاءة. تظهر تقنية ضغط النصوص البصرية (Visual Text Compression) كحل مبتكر يُحول النصوص إلى صور، مما يسمح بإعادة ترميزها بواسطة نماذج الرؤية واللغة. تشير الدراسات إلى أن هذه التقنية قد تُنتج من 3 إلى 20 مرة أقل من رموز فك التشفير مقارنة بالتجزئة التقليدية.

لكن، على الرغم من الفوائد المحتملة في تقليل عدد الرموز، ليس من الضروري أن تترجم هذه المدخرات إلى نتائج ملموسة على المهام التلقائية. فقد أظهرت النتائج أن المسار البصري يمكن أن يتفوق في بعض المهام بينما يخفق في مهام أخرى، مما يدفعنا للتفكير في أهمية قياس فقدان المعلومات الناجم عن الترميز البصري.

فيمثل مقترحنا الجديد خطوة مهمة في التعامل مع هذه المشكلة. إذ نقوم بصياغة ضغط النصوص البصرية من خلال لغة قياس النقل. نقوم بتعريف الرموز النصية والبصرية كقياسات احتمال تجريبية، حيث يُظهر مُشفر باتش صورة (ViT patch encoder) خريطة دفع للأمام تكسر تكلفة النقل إلى تكلفة دقة نتيجة التجميع داخل الباتش وتكلفة التغطية الناتجة عن التجزئة عبر الباتشات.

تعد هذه المبادرة جديدة، حيث نتوصل إلى معيار توجيه بدون تسميات يمكن أن يُحدد ما إذا كان ينبغي استخدام المسار البصري لمجموعة مدخلات معينة. على مدار 24 مجموعة بيانات في مجال معالجة اللغات الطبيعية (NLP) باستخدام نموذج Qwen3-4B، أسفر تحديدنا بدون تسميات عن نتائج متفوقة، حيث توافق النتائج مع معيار الأوراكل في 17 من أصل 24 مجموعة بيانات، مما يعكس تحسينًا بمعدل 3.3% في الدرجات العامة مع تقليل متوسط الرموز بنسبة 10.3%.

مستقبل ضغط النصوص البصرية يعد بتغييرات مثيرة وكبيرة تحول قدرتنا على فهم البيانات، فهل أنتم مستعدون لاستكشاف هذه التقنية المذهلة؟