Depth bleeding

تسرّب العمق (Depth bleeding) هو عيب في خريطة العمق تنتشر فيه المسافة المتقدّرة بشكل غير صحيح عبر حدود الكائن. على سبيل المثال، قد تتلقى وحدات البكسل الخاصة بشخص قريب العمق الأبعد للخلفية، أو قد يمتد عمق الشخص إلى داخل الخلفية. يُعد هذا الأمر مهمًا بشكل خاص في تقدير العمق، حيث يجب أن تمثل كل بكسل في الصورة المسافة إلى سطحها المقابل.

Link to this sectionكيف يظهر تسرب العمق#

تحتوي خريطة العمق الصحيحة على انتقالات حادة حيث يحجب سطح ما سطحًا آخر. ويستبدل تسرب العمق هذا الانتقال بقيم خاطئة، أو مُنعّمة، أو مختلطة. تصف دراسة مؤتمر CVPR حول التجزئة القيود المفروضة على العمق شكلًا شائعًا يمتد فيه عمق المقدمة إلى الخارج نحو مناطق الخلفية. (openaccess.thecvf.com)

تشمل الأسباب النموذجية ما يلي:

• التنبؤ منخفض الدقة متبوعًا بإعادة التشكيل (upsampling)
• التقريب الالتفافي (Convolutional smoothing) الذي يزيل معلومات الحواف الدقيقة
• دوال الخسارة التي تسيطر عليها المناطق الكبيرة والناعمة بدلاً من الحدود الضيقة
• الحجب (Occlusions) والتوافقات المجسمة الغامضة
• عدم المحاذاة بين صور RGB وعلامات العمق
• قياسات المستشعرات التي تدمج سطوح المقدمة والخلفية

في الرؤية المجسمة القائمة على الكتل، يمكن لنوافذ المطابقة أن تغطي جانبي الحافة. تشير دليل العمق المجسم في OpenCV إلى أن هذا يمكن أن ينتج بقعًا بالقرب من حدود الكائنات، بينما توضح وثائق التصفية اللاحقة للتباين أن الأخطاء تركز غالبًا بالقرب من انقطاعات العمق والحجب الجزئي. (docs.opencv.org)

Link to this sectionالمصطلحات ذات الصلة والفروق#

يتداخل تسرب العمق مع ضبابية الحدود (boundary blur)، لكن المصطلحات تؤكد على جوانب مختلفة: تصف ضبابية الحدود انتقالاً سلسًا للغاية، بينما يبرز تسرب العمق القيم غير الصحيحة التي تعبر إلى سطح آخر. تتناول الأبحاث المتعلقة بـ التنبؤ بحافة الحجب الحادة كلًا من ضعف الحدة والكنتورات في غير محلها. (openaccess.thecvf.com)

بكسلات الطيران (Flying pixels) هي عادة نقاط مستشعر معزولة أو غير مستقرّة بالقرب من الحواف، في حين أن التسرّب قد يشكل نطاقًا مستمرًا. كما أن تسرب العمق غير مرتبطة بـ تسرب البيانات، والذي يحدث عندما يستخدم التدريب بشكل غير لائق معلومات غير متوفرة أثناء الاستدلال في العالم الحقيقي.

Link to this sectionالتأثير في العالم الحقيقي#

• الروبوتات ومعالجة الأشياء: إذا تسرب عمق خلفية صندوق على حافته، فقد يقدّر روبوت الالتقاط عرضًا خاطئًا أو يختار نقطة إمساك غير آمنة.
• المركبات ذاتية القيادة: يمكن أن يؤدي التسرب حول أحد المشاة إلى تشويه مسافة العائق، وشكل السحابة النقطية، وتدفق اكتشاف الأشياء ثلاثية الأبعاد اللاحق.
• الواقع المعزز: الحدود غير الصحيحة يمكن أن تجعل الكائنات الافتراضية تظهر أمام الأثاث الحقيقي عندما يجب أن تُخفى خلفه. تُعد أخطاء حافة العمق ضارة بشكل خاص للواقع المعزز وتوليد المناظر الجديدة. (openaccess.thecvf.com)

Link to this sectionالاكتشاف والتخفيف#

لا تعتمد فقط على مقاييس الخطأ المتوسطة. افحص تراكبات حواف العمق والسحابات النقطية المُعاد إنشاؤها، وقيّم جودة الحدود باستخدام مجموعات البيانات مثل iBims-1، والتي تتضمن أقنعة لانتقالات العمق المتميزة. (asg.ed.tum.de)

يشمل التخفيف العملي استخدام مدخلات أعلى دقة، وخسائر واعية بالحواف، وتحسينًا موجّهًا بالتجزئة، وتصفية الثقة، وعلامات تدريب متوافقة بدقة. يدعم دليل مهمة تقدير العمق من Ultralytics التنبؤ الكثيف لكل بكسل باستخدام نماذج العمق YOLO26، بينما يشرح دليل مجموعة بيانات العمق تنسيق الهدف الصالح. يمكن فرق العمل إدارة التعليقات التوضيحية والتدريب والنشر والمراقبة عبر منصة Ultralytics، مع إيلاء اهتمام خاص للأجسام الرقيقة حدود المقدمة والخلفية.