Dynamic Resolution Scaling

عند طرح سؤال حول ماهية تحجيم الدقة الديناميكي، فهو يشير إلى تقنية تقوم بضبط الدقة الداخلية لصورة، أو إطار فيديو، أو خط معالجة العرض في الوقت الفعلي للحفاظ على معدل إطارات مستقر وتحسين الموارد الحسابية. اكتسب تحجيم الدقة الديناميكي (DRS) شهرة واسعة في البداية في ألعاب الفيديو لمنع انخفاض الأداء أثناء المشاهد المتطلبة، وأصبح الآن مفهوماً حيوياً في الذكاء الاصطناعي (AI) ورؤية الحاسوب. من خلال تغيير الدقة ديناميكياً بناءً على حمل الجهاز، يمكن للأنظمة ضمان معدل إنتاجية ثابت دون حدوث قفزات حادة في زمن الاستجابة.

Link to this sectionكيف يعمل تحجيم الدقة الديناميكي#

في خط المعالجة القياسي، يتم تكليف الأجهزة بمعالجة عدد ثابت من البكسلات. إذا كنت تتساءل عما يفعله تحجيم الدقة الديناميكي، فهو يراقب بفاعلية مقاييس أداء النظام، مثل زمن استجابة الاستدلال أو زمن عرض الإطار. إذا اكتشف النظام عنق زجاجة، يقوم DRS تلقائياً بخفض الدقة الداخلية لتقليل عبء العمل على وحدة معالجة الرسومات (GPU).

غالباً ما تقرن التطبيقات الحديثة تقنية DRS بأدوات رفع الدقة المتقدمة المعتمدة على التعلم العميق. في هذه السيناريوهات، يقوم عرض الرسومات المدعوم بالذكاء الاصطناعي بإعادة بناء صورة مخرجات عالية الجودة من أساس منخفض الدقة. يسمح هذا للخوارزميات بتحليل أو عرض المشاهد بسلاسة بينما يقوم الذكاء الاصطناعي بملء المعلومات المرئية المفقودة بذكاء.

Link to this sectionالتطبيقات الواقعية#

يُستخدم تحجيم الدقة الديناميكي بكثافة عبر كل من رسومات الحاسوب ونشر تعلم الآلة لتحقيق التوازن بين السرعة والدقة:

• الرسومات والألعاب المدعومة بالذكاء الاصطناعي: أكثر استخدام استهلاكي بارز لـ DRS هو إلى جانب تقنية NVIDIA DLSS (التعلم العميق فائق أخذ العينات) وAMD FSR. تعتمد التطبيقات المتطورة على هذه الأدوات لعرض بيئات معقدة بدقة متغيرة وأقل. ثم يستخدم الذكاء الاصطناعي تقنيات رفع الدقة المكانية لإخراج صورة واضحة، مما يجعل تقنيات مثل PlayStation Spectral Super Resolution (PSSR) حاسمة للرسومات الحديثة السلسة.
• رؤية الحاسوب التكيفية على أجهزة الحافة: عند نشر نماذج اكتشاف الكائنات على أجهزة تخضع لـ قيود حوسبة الحافة ومحددات الاختناق الحراري، فإن الحفاظ على سرعات الوقت الفعلي يمثل تحدياً. يمكن للمطورين تنفيذ استراتيجية تكيفية لنماذج مثل Ultralytics YOLO26. من خلال ضبط معيار الإدخال imgsz ديناميكياً، يمكن للنموذج تقليل الحجم من 640x640 إلى 320x320 أثناء ذروة أحمال النظام، مما يضمن استدلالاً مستمراً في الوقت الفعلي.

Link to this sectionهل يجب عليك استخدام تحجيم الدقة الديناميكي؟#

سؤال شائع بين المطورين هو هل يجب أن أستخدم تحجيم الدقة الديناميكي، وما إذا كان تحجيم الدقة الديناميكي جيداً لعمليات نشر حوسبة الحافة. الإجابة هي نعم بشكل عام، خاصة للأنظمة التي يكون فيها الأداء المتسق أكثر أهمية من تحليل كل تفصيل مرئي دقيق. بينما تفرض الدقة الثابتة معالجة نفس عدد البكسلات بغض النظر عن التكلفة الحسابية، يوفر DRS المرونة لمنع تعطل البرنامج أو التلعثم. إذا كنت تقوم بتهيئة خط معالجة رؤية حاسوبية على منصة Ultralytics، فإن استخدام استراتيجية الدقة التكيفية يمكن أن يكون مؤثراً تماماً مثل تحسين حجم الدفعة (batch size) أو تطبيق تكميم النموذج لتحسين كفاءة خط المعالجة الإجمالية.

على عكس تظليل معدل التغير، الذي يقلل تفاصيل النسيج بشكل انتقائي في أجزاء معينة من الصورة، يقوم DRS بتحجيم مساحة الصورة بالكامل. وهذا يؤثر بشكل مباشر على أبعاد الإدخال العالمية الممررة إلى إطار عمل PyTorch أو محرك الرسومات.

Link to this sectionتنفيذ الدقة التكيفية في ذكاء رؤية الحاسوب#

يمكنك بسهولة بناء نص برمجي باستخدام لغة البرمجة Python يحاكي DRS عن طريق تغيير حجم الصورة الممررة إلى وضع التنبؤ الخاص بالنموذج ديناميكياً. من خلال استغلال بنيات الرسوم البيانية الديناميكية، يتكيف النموذج بسلاسة مع الحجم الجديد أثناء التشغيل دون الحاجة إلى إعادة التحميل.

from ultralytics import YOLO

# Load a pre-trained Ultralytics YOLO26 model
model = YOLO("yolo26n.pt")


def adaptive_inference(frame, current_fps):
    # Dynamically scale input resolution based on system performance (e.g., target 30 FPS)
    input_size = 640 if current_fps > 30 else 320

    # Run inference with the dynamically selected resolution
    results = model.predict(source=frame, imgsz=input_size, verbose=False)
    return results

من خلال إدارة الدقة بشكل تكيفي، يمكنك نشر أنظمة رؤية حاسوبية أكثر قوة على أجهزة مثل NVIDIA Jetson والتعامل برشاقة مع قفزات الأداء دون مقاطعة تدفق الفيديو.