Udoskonalona metoda seam carvingu zwiększająca pole widzenia pacjentów z widzeniem tunelowym

Pomaganie ludziom widzieć więcej przy wąskim polu widzenia

Dla osób z widzeniem tunelowym zwykłe przejście zatłoczoną ulicą może być niebezpieczne: samochody, rowery i piesi mogą czaić się tuż poza ich wąskim polem widzenia. Badanie to opisuje inteligentny sposób przekształcania codziennych zdjęć z kamery, tak aby więcej sceny zmieściło się w tym ograniczonym „oknie” bez zmniejszania lub zniekształcania ważnych obiektów. Praca ta może posłużyć do opracowania przyszłych pomocy wzrokowych, takich jak inteligentne okulary czy aplikacje na telefon, które pomagają użytkownikom poruszać się bezpieczniej i pewniej.

Kompresowanie sceny bez utraty istotnych elementów

Nowoczesne wyświetlacze — od ekranów telefonów po urządzenia noszone na głowie — często pokazują świat za pośrednictwem kamer. Dla osoby z normalnym wzrokiem jest dużo miejsca, by zaprezentować szeroką scenę. Jednak dla osoby z widzeniem tunelowym tylko wąski centralny obszar jest naprawdę widoczny. Proste rozwiązanie polegające na zmniejszeniu lub wykadrowaniu obrazu zwykle obcina kluczowe obiekty lub zgniata twarze i budynki w nienaturalny sposób. Autorzy budują na technice zwanej seam carvingiem, która sprytnie zawęża obraz przez usuwanie wąskich ścieżek „najmniej ważnych” pikseli. Celem jest przeprojektowanie seam carvingu tak, by lepiej służył osobom z ciężką utratą pola widzenia, zachowując krytyczne detale przy jednoczesnym kompresowaniu sceny do mniejszej szerokości.

Nauczanie komputera, co chronić

Pierwszym wyzwaniem jest zdecydowanie, które części obrazu naprawdę mają znaczenie. Zamiast polegać na jednym wskaźniku, badacze łączą cztery różne typy informacji dla każdego piksela. Mapa głębi szacuje, jak daleko obiekty znajdują się od obserwatora, dzięki czemu bliższe przeszkody można traktować jako ważniejsze. Mapa saliencyjna podkreśla regiony najprawdopodobniej przyciągające uwagę człowieka — na przykład ludzi lub jasne znaki. Segmentacja pierwszego planu oznacza główne obiekty stojące przed tłem. Wreszcie wykrywanie krawędzi znajduję kontury i drobne struktury tworzące kształt obiektów. Łącząc te cztery mapy na kilku skalach, metoda tworzy bogatą „mapę energii”, która silnie oznacza istotne treści i marginalizuje nieistotne obszary, takie jak puste ściany czy niebo.

Inteligentniejsze ścieżki przy rzeźbieniu obrazu

Gdy mapa energii jest gotowa, system musi zdecydować, gdzie dokładnie ciąć szwy — wąskie, połączone ścieżki pikseli do usunięcia. Tradycyjny seam carving przeszukuje od góry do dołu, usuwając ścieżki o najniższej łącznej energii. To może prowadzić do subtelnych, lecz szkodliwych zniekształceń, takich jak zginanie krawędzi budynków czy rozdzielanie obiektów, które powinny pozostać niepodzielne. Nowe podejście wprowadza strategię „forward‑middle” z patrzeniem w przyszłość. Zamiast zaczynać od góry, zaczyna się od środka obrazu — tam, gdzie naturalnie koncentruje się uwaga widza — i rozciąga obliczenia w górę i w dół. System również ocenia, jak usunięcie każdego potencjalnego szwu wpłynie na pobliskie piksele w przyszłości, preferując wybory, które utrzymują proste krawędzie i ciągłość obiektów. Obraz jest następnie zawężany piksel po pikselu wzdłuż tych starannie wybranych ścieżek.

Testowanie metody

Aby ocenić skuteczność systemu, autorzy uruchomili go na standardowym zbiorze fotografii używanym do oceny metod zmiany rozmiaru obrazów i porównali go z sześcioma istniejącymi technikami, w tym klasycznym seam carvingiem, deformacją (warping) i metodami hybrydowymi. Mierzyli, jak dobrze retargetowane obrazy zachowują strukturę, rozpoznawalne cechy, postrzeganą jakość wizualną i rozkład kolorów, używając siedmiu różnych wskaźników jakości. We wszystkich niemal miarach nowa metoda wypadała najlepiej, zwłaszcza w zachowywaniu struktury i wyróżniających się detali, które pomagają w rozpoznawaniu obiektów i nawigacji. Suma punktów podsumowujących wszystkie metryki poprawiła się o około 30 procent w porównaniu z podstawowym seam carvingiem, a formalne testy statystyczne potwierdziły, że te zyski są bardzo mało prawdopodobne do wystąpienia przypadkowo.

Co to oznacza dla codziennych pomocy wzrokowych

Mówiąc prosto, badanie pokazuje, że obraz z kamery można ścisnąć w poziomie, aby zmieścił się w polu widzenia przypominającym tunel, jednocześnie zachowując ludzi, przeszkody i kluczowe punkty orientacyjne wyraźne i poprawnie ukształtowane. Dzięki uwzględnieniu głębi, przyciągających uwagę obszarów, głównych obiektów pierwszego planu i krawędzi — oraz dzięki wybieraniu inteligentniejszych ścieżek przy usuwaniu pikseli — metoda tworzy zwarte widoki, które pozostają wizualnie wiarygodne. Choć praca koncentruje się na obrazach statycznych, te same pomysły mogłyby wspierać przyszłe pomoce oparte na wideo, spersonalizowane ustawienia dla różnych pacjentów oraz badania kliniczne sprawdzające, czy takie retargetowane sceny faktycznie pomagają użytkownikom poruszać się bezpieczniej w świecie.

Cytowanie: El-Torky, D., El-Regaily, S., Moadamani, A. et al. An improved seam carving method for enhancing the visual field of tunnel vision patients. Sci Rep 16, 4814 (2026). https://doi.org/10.1038/s41598-026-35527-0

Słowa kluczowe: widzenie tunelowe, zmiana proporcji obrazu, seam carving, pomoc wzrokowa, technologie wspomagające