شبكة دمج ميزات فوكسلية متعددة المقاييس لإكمال سحب النقاط الضخمة والمشوشة في ترميم التراث الثقافي

إعادة التركيز الرقمي للبنى القديمة

عند قيام المؤرخين بمسح المعابد أو النُصب التاريخية بالليزر، غالبًا ما يبدو الناتج ثلاثي الأبعاد أشبه بنشاطات ثلجية على شاشة تلفزيون بدل صورة واضحة. أجزاء من الأسقف أو التماثيل مفقودة، ونقاط عشوائية «شبحية» تملأ المشهد. تقدم هذه الورقة طريقة جديدة بالذكاء الاصطناعي لتنقية وإكمال سحب النقاط ثلاثية الأبعاد، مما يساعد الأمناء والباحثين على رؤية مواقع التراث الثقافي المعقدة — مثل الأضرحة اليابانية التي تعود لقرون — بوضوح أكبر بكثير.

لماذا تكون مسوحات المواقع التراثية ثلاثية الأبعاد فوضوية للغاية

الأدوات الحديثة مثل الليدار والكاميرات العمقية قادرة على التقاط ملايين النقاط ثلاثية الأبعاد للمباني والمناظر الطبيعية خلال دقائق. لكن الأشجار والظلال وزوايا الرصد المحرجة وحدود أجهزة المسح تعني أن بعض المناطق لا تُرصد إطلاقًا، بينما تتعرض أخرى للتلوث بالضجيج. عمليًا، يؤدي ذلك إلى سحب نقاط متفاوتة ومبقعة حيث تكون ميزات أساسية — مثل العوارض المتشابكة للأسقف أو الحواف المعقّدة — إما مفقودة أو مدفونة تحت نقاط عشوائية. كانت تقنيات الإصلاح الرقمي السابقة إما تملأ الفجوات بشكل فظيع، أو تُمَيّع التفاصيل الدقيقة، أو تتطلب حسابات مكثفة لا تتوسع بشكل فعّال على المشاهد الخارجية الكبيرة جدًا.

خط معالجة رقمي من ثلاث خطوات

يبني الباحثون على عملهم السابق ويقترحون إطارًا ثلاثي المراحل قائمًا على الذكاء الاصطناعي، مكيّفًا مع المسوحات ثلاثية الأبعاد الكبيرة والمشوشة لمواقع التراث. أولًا، تأتي خطوة ترشيح متعددة المراحل: يطبق الخوارزم اختبارًا إحصائيًا أوليًا لإزالة الشواذ الواضحة، ثم يستخدم مرشحًا موجهًا يتفحص رقع السطح المحلية ليملّس الضجيج المتبقي مع الحفاظ على الأشكال الحادة مثل الحواف. ثانيًا، تُحوَّل النقاط المُنقّاة إلى «فوكسلات» ثلاثية الأبعاد — مكعبات صغيرة — وتُحلّل على عدة دقّات في آن واحد. الشبكات الخشنة تلتقط البنية العامة للسقف؛ والشبكات الأدق تمسك بالنتوءات والقرميد والحواف. ثم تُدمج هذه الميزات متعددة المقاييس بواسطة آليات انتباه تتيح للشبكة أن تقرر مدى الثقة بكل مقياس في مناطق مختلفة من الجسم.

تشديد الحواف وملء الفراغات

في المرحلة الثالثة، تُمرّر الميزات المدموجة عبر وحدة تعتمد على المحوّل (Transformer) لتنبؤ «هيكل عظمي» متفرق من نقاط رئيسية تمثل المناطق المفقودة. ثم تقيس خطوة تعزيز موجهة بالانحناء مدى حدّية انثناء كل منطقة وتستخدم هذه المعلومات لتعديل الميزات، بحيث يتبع الهيكل المادي المتنبأ بالحواف والزوايا الحقيقية بدلًا من أن يُقوّسها. أخيرًا، توسّع وحدة التكبير هذا الهيكل إلى سحابة نقاط مكتملة وكثيفة تهدف لمطابقة السطح الحقيقي مع الحفاظ على توزيع متساوٍ للنقاط، متجنبة التكتلات أو الفراغات التي قد تشتت المشاهد أو تضلّل المحلّلين.

ما مدى فعالية هذه الطريقة عمليًا؟

اختبر الفريق نهجهم على أشكال تركيبية ومسوح حقيقية. على معيار قياسي لنماذج ثلاثية الأبعاد (ShapeNet‑55)، أمكن لطريقتهم استعادة الأجزاء المفقودة بدقة أكبر من عدة شبكات رائدة، محققة تحسنًا في مقياس مسافة رئيسي بنحو 16 بالمئة تقريبًا مع الحفاظ على إكتمال عالٍ. والأهم لتطبيقات التراث، جمعوا مجموعة بيانات لأسقف معابد يابانية مشتقة من مسوحات ليزر فعلية تتضمن ضجيج العالم الحقيقي. هنا، تفوّقت طريقتهم بوضوح على البدائل، خاصة عندما كانت البيانات ملوّثة بشدة. في المقارنات البصرية، أنتجت خط المعالجة المقترح بلاطات أكثر حدة، وحوافًا أكثر وفاءً، وقطع أثرية أقل. عند تطبيقه على المسح واسع النطاق لمعبد تاماكي-جينجا — أكثر من 25 مليون نقطة — استطاع إعادة بناء أجزاء مفقودة من السقف وتنعيم الأسطح المشوشة ضمن حدود زمن وذاكرة عملية.

الرؤية عبر الجدران ببيانات أوضح

دمج الباحثون أيضًا طريقة الإكمال هذه مع تقنية تصور شفافة طوروها سابقًا، والتي تتيح للمشاهدين «الرؤية عبر» الأسطح الخارجية لسحب النقاط الكثيفة إلى الهياكل الداخلية. على البيانات الأصلية المشوشة، كانت المشاهد الشفافة لأسقف تاماكي-جينجا مربكة: الفجوات والنقاط الشاردة والمناطق المفقودة حجبت البنية الحقيقية. بعد تطبيق إطار الإكمال الجديد، أظهرت نفس المشاهد حدود أسقف وحواف أوضح بكثير، مما سهل تفسير كيفية تجميع المبنى. ومع أن الطريقة لا تزال تواجه صعوبات في المناطق التي تكون فيها المسوحات ناقصة للغاية أو غارقة بالضجيج، إلا أنها تحسّن بشكل كبير كلًا من الدقة الهندسية والقراءة البصرية لمعظم المناطق.

ماذا يعني هذا للتراث الثقافي؟

بعبارات بسيطة، يوفر هذا العمل «مرممًا رقميًا» أذكى لمسوح ثلاثية الأبعاد للمواقع التاريخية. من خلال تنظيف البيانات بعناية، وفهم الأشكال على مقاييس متعددة، والانتباه الخاص للحواف والمنحنيات، يمكن للطريقة إعادة بناء أجزاء مفقودة للمباني بشكل معقول مع تجنّب النتائج المبهمّة أو المشوّهة. لأولئك المعنيين بالحفظ، والمهندسين المعماريين، والمؤرخين، يعني هذا نماذج افتراضية أكثر موثوقية للدراسة، والتخطيط للحفظ، والمعارض العامة، بما في ذلك عروض غامرة تُظهر البنى الخشبية المعقدة من الداخل. رغم أن النهج لا يحل محل الحفظ الفيزيائي، فإنه يقدّم أداة قوية للحفاظ على هندسة التراث الثقافي الهش واستكشافها رقميًا.

الاستشهاد: Li, W., Pan, J., Hasegawa, K. et al. Multiscale voxel feature fusion network for large scale noisy point cloud completion in cultural heritage restoration. npj Herit. Sci. 14, 93 (2026). https://doi.org/10.1038/s40494-026-02331-y

الكلمات المفتاحية: سحابة نقاط ثلاثية الأبعاد, التراث الثقافي, مسح ليدار, التعلّم العميق, الترميم الرقمي