Dynamic Resolution Scaling

تحجيم الدقة الديناميكي (DRS) تقنية تضبط الدقة التي يعالج بها النظام كل إطار، إطارًا بإطار، لإبقاء زمن معالجة الإطار ضمن ميزانية ثابتة. عندما يصبح المشهد مكلفًا حسابيًا، يعالج العارض أو النموذج عددًا أقل من وحدات البكسل؛ وعندما تتوفر سعة احتياطية، يرفع الدقة مجددًا، ثم تُكبّر المخرجات عادةً لتعود إلى حجم عرض ثابت. شاع استخدام هذه التقنية في ألعاب الفيديو للحفاظ على معدل إطارات ثابت على أجهزة الألعاب والحواسيب، وتنطبق الفكرة نفسها على الاستدلال في الزمن الحقيقي، حيث يمكن لنموذج الرؤية الحاسوبية تصغير مدخلاته للالتزام بميزانية زمن الاستجابة على عتاد مزدحم أو مخفّض التردد حراريًا.

آلية عمل تحجيم الدقة الديناميكي#

DRS حلقة تغذية راجعة. في كل إطار، يقيس النظام المدة التي استغرقتها الإطارات السابقة على GPU، ويقارنها بالميزانية، ثم يختار مقياس دقة للإطار التالي ضمن حدود ثابتة:

يمنع الفارق بين «تجاوز الميزانية» و«أقل منها بكثير» تذبذب الدقة بين مستويين. ففي Unreal Engine، مثلًا، تبلغ الميزانية الافتراضية 33.3 ms لكل إطار، أي 30 إطارًا في الثانية، وتتراوح نسبة الشاشة بين 50% و100% من دقة المخرجات على كل محور، لذلك يعرض الإعداد الأقل تكلفة ربع وحدات البكسل.

تحدد خطوة تكبير الصورة مقدار الجودة الذي تفقده الدقة الأقل. يؤدي التحجيم المكاني البسيط إلى طمس الصورة، لذلك تجمع الألعاب الحديثة بين DRS وتقنيات التكبير المتعلمة أو الزمنية مثل NVIDIA DLSS وAMD FSR وIntel XeSS وPlayStation Spectral Super Resolution من Sony، التي تدمج الإطارات السابقة، وتستخدم في معظم الإصدارات الحالية التعلم العميق لإعادة بناء التفاصيل. وتُعد إعادة البناء هذه شكلًا من أشكال الدقة الفائقة، وتتيح للعبة العرض بدقة أقل بكثير من دقة المخرجات مع فقدان بصري طفيف.

الدقة الديناميكية في ذكاء الرؤية الاصطناعي#

بالنسبة إلى الشبكة العصبية الالتفافية، يزداد الحساب وزمن الاستدلال تقريبًا مع عدد وحدات البكسل في المدخلات، لذا فإن خفض طول ضلع المدخل إلى النصف، ليصبح 320 بكسل، يقلل FLOPs لنموذج بدقة 640 بكسل إلى نحو الربع. لذلك يستطيع المتحكم مبادلة الدقة بالسرعة عندما يسخن جهاز ذكاء اصطناعي طرفي مثل NVIDIA Jetson ويخفض تردد ساعته، أو عندما يستقبل خادم مزيدًا من تدفقات الكاميرات، أو عندما تحتاج طائرة مسيّرة إلى قدرة حسابية احتياطية للملاحة. وتتمثل الكلفة في انخفاض الدقة للأجسام الصغيرة والبعيدة، التي تشغل عددًا قليلًا جدًا من وحدات البكسل عند الدقة المنخفضة؛ لذا تفرض أنظمة اكتشاف الأجسام حدًا أدنى لحجم المدخلات.

يدعم Ultralytics YOLO26 ذلك مباشرةً في وضع التنبؤ: يقبل نموذج PyTorch قيمة imgsz مختلفة في كل استدعاء من دون إعادة التحميل، مع تغيير حجم الضلع الأطول لكل إطار إلى imgsz وحشو الضلع الأقصر حتى أقرب مضاعف تالٍ لخطوة stride البالغة 32 بكسل فقط، بينما تحتفظ النماذج المصدّرة إلى تنسيقات ذات أشكال ثابتة بالحجم الذي صُدّرت به ما لم تُضبط dynamic=True. ويتنقل متحكم بسيط بين الأحجام المسموح بها استنادًا إلى زمن الاستدلال المقاس:

import cv2
from ultralytics import YOLO

model = YOLO("yolo26n.pt")
cap = cv2.VideoCapture("https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov")
sizes = [320, 416, 512, 640]  # ⁨أحجام المدخلات المسموح بها، وهي مضاعفات لخطوة stride البالغة 32 بكسل⁩
level, budget_ms = len(sizes) - 1, 15.0  # ⁨ابدأ بالحجم الكامل مع ميزانية استدلال قدرها 15 ms⁩
frames_at = dict.fromkeys(sizes, 0)

while True:
    ok, frame = cap.read()
    if not ok:
        break
    result = model(frame, imgsz=sizes[level], verbose=False)[0]
    frames_at[sizes[level]] += 1
    # ⁨خفّض الحجم عند تجاوز الميزانية، ولا ترفعه مجددًا إلا عندما يقل الزمن عنها بفارق كبير لتجنب التذبذب⁩
    if result.speed["inference"] > budget_ms and level > 0:
        level -= 1
    elif result.speed["inference"] < 0.6 * budget_ms and level < len(sizes) - 1:
        level += 1

print("Frames processed at each input size:", frames_at)

يحصي ناتج الطباعة الإطارات المعالجة عند كل حجم، ويعالج العتاد الأبطأ نسبة أكبر من الفيديو بالأحجام الأصغر.

مصطلحات ذات صلة#

• الدقة الفائقة: تعيد بناء صورة بدقة أعلى انطلاقًا من صورة بدقة أقل، وغالبًا ما تكون النصف الثاني من مسار DRS.
• البث بمعدل بت متكيف: يغيّر جودة الفيديو لتناسب عرض نطاق الشبكة بدلًا من زمن الحساب.
• التظليل بمعدل متغير: يخفض تفاصيل التظليل في مناطق محددة من الإطار بدلًا من تحجيم الإطار كله.
• التدريب متعدد المقاييس: يدرّب النموذج على أحجام مدخلات متباينة ليحافظ على دقته عند تغير دقة الاستدلال.
• الدقة الديناميكية الأصلية في نماذج الرؤية واللغة: ترمّز كل صورة بدقتها الخاصة إلى عدد متغير من الرموز للحفاظ على التفاصيل، كما في Qwen2-VL من Alibaba، الذي تطلق الشركة على نسخته اسم Naive Dynamic Resolution.