3DHR-Co: إطار تحسين تعاوني عند وقت الاختبار للمهمة المعقدة لإعادة بناء جسم الإنسان ثلاثي الأبعاد في البيئات الحقيقية

شهد مجال إعادة بناء الجسم البشري ثلاثي الأبعاد (والمُختصر بـ 3DHR)، الذي يعتمد على تمثيلات معلمة للوضعية والشكل، تطورات كبيرة في السنوات الأخيرة. ومع ذلك، لا يزال تطبيق تقنيات 3DHR على مشاهد واقعية متنوعة، المعروفة ببيانات "في البرية" (in-the-wild)، يواجه قيودًا. ويُعزى السبب الرئيسي إلى صعوبة الحصول على بيانات حقيقية دقيقة (Ground Truth) لوضعيات الجسم ثلاثية الأبعاد في هذه المشاهد، نظرًا لعوامل متعددة. وقد استُخدمت مؤخرًا أساليب تحسين في وقت الاختبار (test-time refinement) لـ 3DHR، تُستفيد من معلومات أولية عن النقاط المفتاحية البشرية ثنائية الأبعاد من أدوات جاهزة (off-the-shelf)، لتعويض نقص الإشراف ثلاثي الأبعاد في بيانات "في البرية". لكننا لاحظنا أن الإشراف الإضافي ثنائي الأبعاد وحده قد يؤدي إلى ظاهرة التكيف الزائد (overfitting) على النماذج الأساسية الشائعة في 3DHR، ما يجعل مهمة التحسين في وقت الاختبار لـ 3DHR تبدو غير قابلة للحل. ونُقدّم حلًا لهذا التحدي من خلال اقتراح استراتيجية تكمل أعمال التحسين في وقت الاختبار لـ 3DHR ضمن نهج تعاوني. وبشكل محدد، نطبق أولاً نهجًا ما قبل التكييف (pre-adaptation)، يعمل من خلال تعاون عدة نماذج لـ 3DHR داخل إطار واحد، بهدف تحسين مخرجاتها الأولية مباشرة. ثم يتم دمج هذا النهج بشكل أعمق مع أعمال التكييف في وقت الاختبار، تحت ظروف محددة تقلل من مشكلة التكيف الزائد، مما يعزز أداء 3DHR بشكل أكبر. يُسمى الإطار الكامل بـ 3DHR-Co، وقد أظهرت النتائج التجريبية أن العمل المقترح يمكنه تحسين أداء النماذج الأساسية الشائعة لـ 3DHR بشكل ملحوظ، بانخفاض يصل إلى 34 مم في خطأ الوضعية، ما يضعها ضمن المراكز المتقدمة في معايير البيانات المختبرة "في البرية". ويُظهر هذا الإنجاز أن نهجنا يساعد في كشف الإمكانات الحقيقية للنماذج الأساسية الشائعة في 3DHR. واستنادًا إلى هذه النتائج، قمنا بدراسة متنوعة للإعدادات المختلفة في الإطار المقترح، بهدف توضيح قدرات نهجنا التعاوني في مهام 3DHR بشكل أعمق.