AFMNet: شبكة إكمال الجداريات خالية من التفعيلات عبر آلية الانتباه متعددة الرؤوس

لماذا يهم إنقاذ اللوحات الجدارية المتفناة؟

اللوحات الجدارية القديمة في المعابد والكهوف ليست مجرد زخارف جميلة؛ إنها سجلات بصرية لكيف كان الناس يعيشون ويصلّون ويلبسون ويتخيلون العالم قديماً. وللأسف، كثيراً ما تكون هذه الجداريات متشققة أو متقشرة أو مفقودة جزئياً. الترميم اليدوي بطيء ومحفوف بالمخاطر وأحياناً مستحيل. تقدم هذه الدراسة AFMNet، طريقة حاسوبية جديدة قادرة على «ملء» المناطق التالفة في صور الجداريات رقمياً بطريقة تبدو مقنعة للعين، تعمل بكفاءة على أجهزة متواضعة، وتساعد في حماية الكنوز الثقافية الهشة للبحث والعرض الافتراضي.

مشكلة الصور المتضررة

أدوات الإصلاح الرقمية التقليدية عادةً ما تنسخ الألوان والأنسجة القريبة إلى المناطق المفقودة، وهذا ينجح للخدوش الصغيرة لكنه يفشل عندما تختفي وجوه كاملة أو أيدٍ أو أنماط زخرفية. تستطيع طرق الذكاء الاصطناعي الحديثة تخيل محتوى معقول للفجوات الكبيرة، لكن معظمها صُمّم للصور اليومية، وليس لأنماط الفن القديم الفريدة. غالباً ما تحتوي الجداريات على شخصيات فريدة وحدود معقدة وتشققات لا تتبع أشكالاً مرتبة. الأنظمة القائمة إما تطمس تفاصيل مهمة، أو تضيف أشكالاً محرجة، أو تتطلب قدرة حسابية كبيرة غير عملية للعديد من المتاحف والمختبرات المحافظة.

شبكة خفيفة مصممة للجداريات

AFMNet هي شبكة معالجة صور مدمجة بشكل حرف U، تحتوي على مُشفر يفكك الصورة التالفة إلى ميزات ومُفكك يعيد بنائها إلى صورة كاملة. ما يميزها تصميم ذو مسارين: أحدهما يحمل معلومات عن الأجزاء المرئية من الجدارية، والآخر يحمل خريطة البكسلات المفقودة أو غير الموثوقة. تُحدث هذه الخريطة في كل مرحلة، بحيث يعرف النظام دائماً أين يثق بالصورة الأصلية وأين يجب أن يخترع محتوى جديداً. من خلال فصل المناطق السليمة والتالفة صراحةً، يوجه AFMNet جهوده إلى حيث الحاجة بدلاً من تغيير المناطق السليمة دون داعٍ.

مزاوجة الأنماط العامة مع التفاصيل الدقيقة

لكي تنتج ترميمات مقنعة، يجب أن يفهم النظام المشهد العام والضربات الفرشات الصغيرة على حد سواء. الكتلة الأساسية في AFMNet تتعامل مع ذلك عبر النظر إلى الصورة بثلاث طرق تكميلية في آن واحد. في العرض المكاني، يفحص الأحياء المحلية من البكسلات، مما يساعده على معالجة الشقوق والحواف. في العرض الترددي، يستخدم تحويلاً رياضياً لرؤية البنى الأوسع والزخارف المتكررة عبر الجدارية بأكملها. في عرض القنوات، يتعلم أي تراكيب من اللون والملمس تحمل أهم الإشارات الفنية، ويعززها بهدوء بينما يتجاهل المعلومات الأقل فائدة. بدلاً من الاعتماد على دالات تنشيط تقليدية ثقيلة الحساب، يستخدم AFMNet آلية بوابة بسيطة تضرب أزواج خرائط الميزات لخلق لاغية غير خطية، ما يقلص حجم النموذج والحوسبة دون التضحية بالتعبيرية.

إتاحة حوار المناطق البعيدة

تحتوي العديد من الجداريات على شخصيات وزخارف وخلفيات مترابطة عبر مسافات كبيرة على الجدار. لربط هذه العناصر البعيدة، يضيف AFMNet وحدة انتباه متعددة الرؤوس خفيفة عند أضيق نقطة في حرف U. هناك يسمح للشبكة لكل جزء من الصورة «بالنظر» إلى كل الأجزاء الصالحة الأخرى وتقرير أيها ينبغي أن يؤثر في الإصلاح. يمكن للرؤوس المختلفة أن تتخصص في علاقات مختلفة — على سبيل المثال، الحفاظ على انحناءة هالة متسقة أو محاذاة نمط حدود متكرر. والأهم من ذلك، أن وحدة الانتباه ترى أيضاً خريطة الضرر، فتتعلم ألا تستند القرارات إلى مناطق تم ملؤها اصطناعياً وقد تظل غير مؤكدة.

دليل على الفاعلية عملياً

لاختبار AFMNet بدقة، درب المؤلفون النموذج أولاً على مجموعة كبيرة من المشاهد اليومية ثم ضبطوه بدقة على مجموعة منتقاة بعناية من جداريات كهوف دنغهوانغ. أنشأوا أقنعة تلف واقعية باستخدام عملية مشي عشوائي تحاكي الشقوق والتقشر الواقعي. عبر مستويات ضرر متعددة، تفوق AFMNet باستمرار على طرق منافسة معروفة في مقاييس جودة الصورة القياسية، مع استخدام نحو ثلث عدد المعاملات أقل من نموذج مرجعي قوي. أظهرت المقارنات البصرية على جداريات تركيبية ومتصلة حقاً أن AFMNet يحافظ بشكل أفضل على ملامح الوجوه والخطوط الزخرفية والأنسجة الدقيقة، مع آثار تشويش أقل، حتى عند العمل بدقة أعلى شائعة في تصوير المتاحف.

ما الذي يعنيه هذا للتراث الثقافي

بعبارة بسيطة، AFMNet هو مرمم رقمي ذكي وفعّال يمكنه تخمين أجزاء مفقودة من الجداريات القديمة بطريقة تحترم أسلوبها وبنيتها. يتعامل مع الشقوق المعقدة وفقدان الصباغ بطريقة أكثر سلاسة من العديد من الأدوات القائمة ويمكن أن يعمل بسرعة كافية على حواسيب أو حواسيب محمولة قياسية ليُستخدم ميدانياً. ومع أنه لا يزال يواجه صعوبات مع أشد أضرار السواد والأنسجة المعقدة للغاية، فإنه يوفر للمحافظين والباحثين أداة قوية لتصور كيف قد كانت تبدو الأعمال المتضررة في السابق، وتخطيط التدخلات المادية بأمان أكبر، وإنشاء معارض رقمية جذابة تُعيد اللوحات الجدارية الهشة إلى الحياة أمام جماهير أوسع.

الاستشهاد: Hu, C., Luo, D., Xia, G. et al. AFMNet: an activation-free mural completion network via multi-head attention mechanism. npj Herit. Sci. 14, 239 (2026). https://doi.org/10.1038/s40494-026-02379-w

الكلمات المفتاحية: ترميم الجداريات الرقمية, ملء الصور, التراث الثقافي, التعلّم العميق, شبكات الانتباه