قياس أداء تقنيات تقليل الأبعاد لخصائص محوّلات الرؤية (ViT)

تحليل المقايضات في الدقة والتخزين وزمن الاستجابة لاسترجاع الصور في بيئات الذكاء الاصطناعي الطرفي

الملخص

تواجه أنظمة استرجاع الصور المعتمدة على المحتوى (CBIR) تحدياً كبيراً في عصر الذكاء الاصطناعي الطرفي (Edge AI). تُنتج نماذج محولات الرؤية (ViT) متجهات خصائص ذات أبعاد عالية (768 بعداً)، مما يتسبب في مشاكل حقيقية تتعلق بالذاكرة وسرعة المعالجة للأجهزة ذات الموارد المحدودة. تختبر هذه الدراسة التجريبية ثلاث طرق مختلفة لتقليل هذه الأبعاد: تحليل المكونات الرئيسية (PCA)، والمشفرات التلقائية (Autoencoders)، والتكميم النقطي (PQ). تَمَّ تطبيق هذه الطرق على خصائص ViT باستخدام مجموعة بيانات مدمجة من Oxford5k وParis6k (تحتوي على 11,475 صورة)، مع التركيز بشكل أساسي على القيود العملية كحجم التخزين، وزمن الاستجابة للبحث، ودقة الاسترجاع.

ولضمان المتانة الإحصائية للنتائج، تَمَّ تكرار جميع التجارب 10 مرات. أظهرت النتائج وجود مفاضلة واضحة؛ فالطرق الخطية التقليدية مثل PCA تفقد الكثير من دقتها عند الضغط الشديد، لتنخفض إلى 0.4907 mAP عند 64 بعداً. في المقابل، حافظت المشفرات التلقائية (AE) على الجودة الدلالية بشكل أفضل بكثير، محققة متوسط دقة بلغ 0.5106 mAP. من ناحية أخرى، أثبت التكميم النقطي (PQ) كفاءة عالية جداً في التخزين، محققاً نسبة ضغط بلغت 47.9 ضعفاً مع الاحتفاظ بدقة تنافسية (0.5087 mAP).

بناءً على هذه المعطيات، تقترح الورقة استخدام إعداد (PQ-128) كمرشح قوي للأنظمة التي تعاني من ضيق مساحة التخزين، حيث يقدم نسبة ضغط تصل إلى 24 ضعفاً مع خسارة طفيفة في الدقة لا تتجاوز 0.56%. مما يساعد في إختيار إطار عمل تطبيقي لمساعدة المهندسين في اختيار طريقة الضغط الأنسب وفقاً لحدود أجهزتهم، وهو دليل مفيد بشكل خاص لنشر التطبيقات ذات المتطلبات العالية، مثل أنظمة المراقبة الذكية والبحث المرئي السريع، على أجهزة اقتصادية.