يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية
مقالة بحثية
تقدم هذه المقالة سير عمل حوسبي خاضع لإشراف بشري لفحص التمثيلات المتكررة للنساء في 433 لوحة صينية تصديرية من عصر أسرة تشينغ. وتتميز الأنماط الموجودة ضمن هذه المجموعة بسبع فئات مرجعية بشرية وإشارات بصرية متكررة، بينما تظل النتائج محصورة في الصور التي تم أخذ عينات منها ولا تقيس الواقع الاجتماعي أو الاستقبال التاريخي لعصر تشينغ.
بحثت هذه الدراسة في التمثيلات المتكررة للهوية الأنثوية والإشارات البصرية الدالة على الطبقة الاجتماعية في مجموعة مكونة من 433 لوحة تصدير صينية من عهد أسرة تشينغ تعود للفترة ما بين 1757 و1911. دمج سير العمل بين نموذج CLIP ViT-B/32 للتصنيف الأولي، والتحديد الموضعي بمساعدة نموذج Segment Anything Model (SAM)، وتقليل الأبعاد والتجميع، والترميز الأيقوني اليدوي بواسطة اثنين من المرمّزين المستقلين. استُخدمت تسميات CLIP للتنظيم الأولي، وعمل SAM كأداة مساعدة في التحديد الموضعي، بينما وفر الترميز البشري المحكّم الفئات المرجعية. حددت النتائج الإجمالية سبع فئات مرجعية بشرية: النخبة/الجمال (n = 112)، والعمالة (n = 72)، والمنزلية (n = 64)، والخادمة (n = 58)، والطقوس/الزفاف (n = 45)، والسوق (n = 43)، والأداء (n = 39). تطابقت التسميات الحسابية الأولية مع التسميات المرجعية البشرية في 356 من أصل 433 لوحة (82.2%)، مع تراوح معدل الاسترجاع على مستوى الفئة بين 73.3% و88.4%. واستُخدمت التوليفات المتكررة من الملابس، والإعداد المكاني، والأشياء، والوضعية، والعلاقات الاجتماعية المصورة لتوصيف السمات البصرية لهذه الفئات. أسفر تقييم 433 زوجاً من تسميات الذكاء الاصطناعي والبشر على مستوى الحالات عن درجات دقة واسترجاع ومقياس F1 شاملة على مستوى الفئة، إلى جانب مصفوفة ارتباك تفصل أنماط التصنيف. ودعم التحقق من التجمعات حل التجميع المختار وأظهر تطابقاً بين التجمعات المشتقة والفئات المرجعية المحددة بشرياً. وبشكل عام، تشير التوليفات المتكررة للملابس والإعداد المكاني والأشياء والوضعية والعلاقات الاجتماعية إلى أنماط من التصنيفات التصويرية داخل المجموعة المختارة. وتوصّف هذه النتائج التمثيل البصري في لوحات التصدير الصينية في عهد أسرة تشينغ، ولكن لا ينبغي تفسيرها على أنها مقاييس مباشرة للوضع القانوني، أو الخبرة المعيشية، أو طلب السوق، أو الاستقبال الأجنبي التاريخي.
شكلت لوحات التصدير الصينية من عصر سلالة تشينغ جزءاً من الشبكات التجارية والثقافية التي ربطت مدينة كانتون ومراكز التجميع الأخرى بالمشترين الأوروبيين والأمريكيين بدءاً من أواخر القرن الثامن عشر1,2,3,4,5. وقد اقتنى التجار والمسافرون والدبلوماسيون والمبشرون وجامعو المقتنيات هذه اللوحات كسلع محمولة، وتذكارات، ومصادر للمعلومات المرئية، وتمثيلات للأماكن والمهن والإنتاج والعادات والأنماط الاجتماعية. لذا، فإن تداول هذه اللوحات عكس ممارسات الورش الصينية وتوقعات الأسواق الخارجية على حد سواء.
لقد فضل الطلب الخارجي الموضوعات المعروفة، والتنسيقات المتسلسلة، والزخارف المتكررة، والمشاهد التي يمكن جمعها ومقارنتها. وقامت الورش بتكييف الوسائط والمقياس والتكوين والموضوعات لغرض البيع، بينما فضل المشترون غالباً التصويرات الواضحة للمهن والمراسم والتصميمات الداخلية والحدائق والشوارع والأنماط الاجتماعية الخلابة. وتُظهر النسخ المتكررة لمشاهد ورش كانتون بشكل أكبر كيف قام الفنانون والمساعدون بتكييف الأيقونات والأدوات التصويرية الغربية للمترزقين من الخارج1,2,3,4,5. وعلى الرغم من أن طلب السوق قد يكون قد أثر على ما تم إنتاجه والحفاظ عليه، إلا أن المجموعة الحالية لا تقيس بشكل مباشر تفضيلات المشترين الأفراد أو استجاباتهم.
وبناءً على ذلك، يجب اعتبار هذه اللوحات مصادر انتقائية ووسيطة بدلاً من كونها سجلات شاملة للحياة اليومية. فقد تقوم مشاهدها بتصوير الممارسات الاجتماعية بشكل مثالي، أو مبسط، أو معياري، أو معدل من خلال اتفاقيات الورش الفنية، واختيارات السوق، واقتناء المتاحف، والفهرسة، والرقمنة1,2,3,4,5. ويجب أن يفرق التفسير التاريخي بين السمات التي يمكن ملاحظتها مباشرة في اللوحات وبين الاستنتاجات المتعلقة بالأفراد الممثلين، وظروف الإنتاج، والمعاني التي نسبها المشاهدون لاحقاً إلى هذه الأعمال.
توفر الأشكال النسائية وسيلة مركزة لفحص هذا التمييز. حيث يمكن للملابس، وتصفيفة الشعر، والوضعية، والإطار المكاني، والأشياء، والأنشطة، والعلاقات مع الشخصيات الأخرى أن تصنف النساء ضمن أدوار متكررة بصرياً، بما في ذلك فئات النخبة/الجمال، والمنزلية، والخادمات، والعاملات، والسوق، والأداء، والطقوس/الزفاف. وتُعد هذه الفئات أوصافاً تحليلية لأنماط تصويرية، ولا تحدد هي بذاتها الرتبة القانونية، أو الثروة، أو المهنة، أو العرق، أو الانتماء إلى الـ Banner أو الـ Han، أو السلوك الأخلاقي، أو الهوية المعيشية.
يمكن لتاريخ الفن الرقمي والرؤية الحاسوبية تسهيل إجراء مقارنات واسعة النطاق للمجموعات البصرية الرقمية، بينما تتيح في الوقت ذاته الفحص النقدي للافتراضات المضمنة في النماذج الحسابية6,7. كما يمكن لنماذج الرؤية واللغة أن تساعد في تحديد وتنظيم الزخارف البصرية المتكررة، رغم أن التحيز الثقافي لا يزال يمثل قيداً هاماً عند تطبيق مفردات النماذج المعاصرة على الصور التاريخية غير الغربية8. وبالمثل، تظهر الأبحاث الحسابية ذات الصلة بالرسم الصيني التقليدي قيمة الجمع بين الكشف الكمي عن الأنماط والتفسير المستنير تاريخياً9.
تتناول هذه الدراسة ثلاثة أسئلة: (1) ما هي فئات الهوية الأنثوية المرمزة بشرياً والمحكومة التي تم تمثيلها في مجموعة البيانات؟ (2) ما هي مجموعات الملابس، والإطار المكاني، والأشياء، والوضعية، والعلاقات الاجتماعية التي تميز هذه الفئات؟ (3) كيف تختلف دقة المطابقة التامة الإجمالية واسترجاع مستوى الفئة عبر الفئات السبع؟ يعتمد سير العمل على النهج الحسابية المطبقة على الرسم الصيني التقليدي9، مع قصر ادعاءاته التاريخية على الصور التي تم أخذ عينات منها والتحليلات الموثقة.
تتمثل المساهمة المنشودة في جانبين: تأريخي وتقني. إذ يمكن للمقارنة على مستوى المجموعة الكاملة أن تحدد الصيغ التصويرية المتكررة التي يمكن سياقها لاحقاً من خلال تحليل تاريخي دقيق. ومن شأن هذا النهج أن يثري الأبحاث المتعلقة بالنوع الاجتماعي، والتسلسل الهرمي، وتمثيلات الحياة اليومية، واللقاءات العابرة للثقافات، دون اعتبار تكرار الصورة دليلاً على الانتشار الاجتماعي، أو التشابه البصري برهاناً على التطابق التاريخي.
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
تصميم الدراسة ووحدة التحليل
تم التعامل مع كل لوحة أو سجل كتالوج كوحدة تحليل واحدة. استُخدم تصميم رصدي قائم على مجموعة بيانات (corpus-based)، يجمع بين مراجعة البيانات الوصفية، والتنظيم الحسابي الأولي، والترميز اليدوي المستقل، والتفسير التاريخي الفني. حُددت فترة الدراسة من 1757–1911، وطُبقت معايير الاشتمال والاستبعاد ضمن هذا الإطار الزمني. حُللت الأعمال الفنية التاريخية والبيانات الوصفية المرتبطة بكتالوجاتها. وعند مقارنة التوزيعات عبر فترات زمنية متفاوتة المدة، تم تطبيع الأعداد بناءً على مدة الفترة، مع مراعاة تحيزات البقاء والاستحواذ المحتملة في التفسير.
بناء المجموعة المختارة واختيارها
تم استرجاع السجلات المرشحة من كتالوجات المتاحف المذكورة، والأرشيفات الرقمية، والكتالوجات المنشورة. وبالنسبة لكل سجل مرشح، تم الاحتفاظ بالمؤسسة، والعنوان، والتاريخ أو النطاق الزمني، والوسيط، ورقم القيد أو الكتالوج، ورابط المصدر الثابت، وتاريخ الاسترجاع، وبيان الحقوق. كما تم الحفاظ على روابط المصادر حتى عندما تعذر قانونياً إعادة توزيع ملف الصورة المقابل. بدأت إجراءات الفرز المذكورة بـ 612 صورة مرشحة؛ من بين هذه الصور، تم استبعاد 85 صورة لأنها وقعت خارج الفترة الزمنية 1757–1911 أو خارج تقليد لوحات التصدير، واستبعاد 58 صورة لأنها كانت نسخاً حديثة، أو سجلات غير واضحة، أو صورت موضوعات غير صحيحة، واستبعاد 29 صورة لافتقارها إلى شخصية أنثوية يمكن تحديدها أو لعدم كفاية دقة الصورة، واستبعاد 7 صور بسبب نقص البيانات الوصفية. وتكونت المجموعة التحليلية النهائية من 433 سجلاً.
توحيد البيانات الوصفية والمعالجة المسبقة للصور
تم تخصيص معرف QEP مستقر لكل لوحة في المجموعة التحليلية النهائية، يتراوح من QEP_001 إلى QEP_433. كما تم الاحتفاظ بالبيانات الوصفية للمتاحف المرتبطة بها، بما في ذلك المؤسسة، ورقم التسجيل، والعنوان، والتاريخ، والوسيط أو المواد المستخدمة، ومكان المنشأ، ورابط المصدر، ووصف الكتالوج المتاح. ولأغراض التحليل البصري، تم تسجيل التصنيف الأولي للذكاء الاصطناعي، والفئة البشرية المحكمة، وعدد الشخصيات النسائية، والفئة العمرية، والوضعية، والملابس، والإطار المكاني، والأشياء المرتبطة، والعلاقات الاجتماعية. تم تصنيف كل لوحة ضمن واحدة من سبع فئات رئيسية: النخبة/الجمال، أو المنزلية، أو الخدم، أو العمالة، أو السوق، أو الأداء، أو الطقوس/الزفاف. وفي المشاهد التي تحتوي على شخصيات نسائية متعددة، تم تحديد الشخصية المركزية بناءً على البروز البصري والمركزية السردية. وعندما لم تكن هناك شخصية نسائية واحدة مهيمنة، تم تعيين الفئة الرئيسية بناءً على النشاط المصور الأساسي وسياق المشهد العام. وتم حل تداخل الفئات من خلال إعطاء الأولوية للنشاط المصور وسياق المشهد على الملابس أو المظهر وحدهما. كما تمت مراجعة الحالات الغامضة بشكل مستقل من قبل كلا المرمزيْن وحُسمت من خلال التوافق. حُفظت الصور المصدر بتنسيق JPEG أو PNG، واقتصر القص على حدود صفحات الويب أو إطارات الكتالوجات أو الهوامش غير الصورية. ولم يتم إعادة بناء المحتوى المرسوم، أو تغيير ألوانه، أو تحسينه، أو ترميمه.
التوسيم الأولي القائم على CLIP
استُخدم مشفر الصور CLIP ViT-B/32 لتحليل التشابه الأولي بين الصور والنصوص9. شملت مصطلحات الهوية المرشحة: امرأة من النخبة، امرأة منزلية، خادمة، امرأة عاملة، امرأة في السوق، فنانة، عروس، وامرأة في طقوس شعائرية. وشملت مصطلحات المشهد: تصميم داخلي صيني، حديقة، سوق شعبي، ورشة عمل، إنتاج الشاي، أعمال النسيج، ومشهد احتفالي. تم الاحتفاظ بالمجموعة الكاملة من قوالب الأوامر، وترتيبها، وأي تجميع للأوامر، وإجراءات تطبيع النصوص، وقواعد اتخاذ القرار، ودرجات الثقة، والحالات المتساوية لكل صورة.
تم تطبيق القائمة الكاملة للمطالبات بشكل متسق على جميع الصور باستخدام نموذج OpenAI CLIP ViT-B/32 المُنفذ بلغة Python 3.10 مع PyTorch 2.0.1 وحزمة OpenAI CLIP. وقد أُجري الاستدلال على وحدة معالجة رسومات (GPU) تدعم تقنية CUDA بحجم دفعة قدره 32 وباستخدام دقة FP32. تم تغيير حجم كل صورة وقصها من المركز لتصبح 224 × 224 بكسل، وجرى تطبيع قنوات RGB باستخدام تحويل المعالجة المسبقة المرتبط بنموذج ViT-B/32. كما صِيغت المطالبات النصية باستخدام واصفات الهوية والمشهد المحددة أعلاه، ثم شُفرت بواسطة مشفر النصوص الخاص بـ CLIP. وحُسب تشابه جيب التمام (Cosine similarity) بين تضمينات الصور والنصوص المُطبعة، وتم تعيين المطالبة ذات أعلى درجة تشابه كملصق أولي للذكاء الاصطناعي. كما تم الاحتفاظ بدرجات التشابه لجميع الملصقات المرشحة للمراجعة البشرية اللاحقة. واستُخدمت بذرة عشوائية ثابتة بقيمة 42، وطُبقت إجراءات المعالجة المسبقة وقوالب المطالبات وقواعد القرار المتطابقة على جميع اللوحات البالغ عددها 433 لوحة.
التحديد الموضعي بمساعدة نموذج SAM
استُخدم نموذج Segment Anything Model (SAM) بدقة لتحديد المواقع الموضعية للأشكال، والملابس، والأثاث، والأدوات، والأشياء الطقسية، والمناطق المعمارية لغرض الفحص البصري البشري. ويجب التأكيد على أن نموذج SAM لم يشارك في مسار التصنيف؛ حيث عُزلت أقنعته، ومقاطعه، والميزات المشتقة منه عن عمليات تسمية CLIP والتجميع (clustering)، مما يضمن أن تطبيق SAM قد وفر وسائل مساعدة في التحديد الموضعي دون التأثير على أداء التصنيف أو تضخيمه.
تم تطبيق مطالبات النقاط اليدوية أو مربعات الإحاطة عند الضرورة لتحسين تحديد مواقع العناصر المرئية. تم إنشاء أقنعة SAM للأشكال النسائية، والملابس، والأثاث، والأدوات، والأشياء الطقسية، والعناصر المعمارية، وتم فحص كل نتيجة تقسيم بصرياً للتأكد من التغطية الإقليمية المناسبة. دعمت الأقنعة الناتجة عملية تحديد ومراجعة السمات الأيقونية ذات الصلة، ولكن لم يتم استخدامها لتصنيف CLIP أو تعيين الفئات.
تقليل الأبعاد والتجميع
تم حساب تضمينات صور CLIP، واستُخدم UMAP مع مسافة الجيب التمام (cosine distance) للتصوير ثنائي الأبعاد10. كما تم تسجيل التمثيل المستخدم للتجميع، إلى جانب إجراءات المعالجة المسبقة، والأبعاد، وتعريف المسافة.
تم تطبيق تجميع الوسائل K-means والتجميع الهرمي على تمثيلات سمات الصور لتحديد المجموعات البصرية المتكررة ضمن مجموعة النصوص11. وتم تقييم حلول K-means المرشحة لـ k = 5–9 باستخدام معامل الصورة الظلية (silhouette coefficient) ومؤشر ديفيز-بولدين (Davies–Bouldin index). استُخدم تهيئة K-means++ مع n_init = 10 و max_iter = 300 و tol = 1 × 10⁻4 و random_state = 42. كما أُجري التجميع الهرمي باستخدام التجميع التراكمي مع الربط المتوسط ومسافة جيب التمام. تمت مقارنة الحلول المرشحة باستخدام مؤشرات التحقق الكمية، واستقرار المجموعات، والقابلية للتفسير من منظور تاريخ الفن، واختير حل التجميع النهائي بناءً على تمثيله الأكثر تماسكاً للأنماط البصرية المتكررة. تم الاحتفاظ بتعيين المجموعات الناتج لكل لوحة من اللوحات البالغ عددها 433 لوحة لإجراء مقارنة لاحقة مع الفئات التي تم ترميزها بشرياً.
الترميز اليدوي، والتدريب، والتحكيم
قام مرمزّان بمراجعة جميع الصور الـ 433 بشكل مستقل باستخدام دليل ترميز مُصنّف يغطي الفئة الأساسية، وعدد الأشكال، والفئة العمرية، والوضعية، والملابس، والإطار المكاني، والأشياء، والعلاقات الاجتماعية. وقد تم الاحتفاظ بالسجلات الخاصة بكل مرمز قبل عملية التحكيم. وكان لدى المرمزّين خلفيات ذات صلة في تاريخ الفن والتحليل البصري، وتم تدريبهم باستخدام دليل الترميز الموحد وأمثلة ممثلة من مجموعة اللوحات. وقبل البدء في الترميز الرسمي، أتم المرمزّان تمرين معايرة شمل 30 لوحة لتعزيز التفسير المتسق لفئات الهوية السبع وأبعاد الإشارات البصرية الخمس.
أثناء عملية الترميز الرسمي، قام المرمزان بتقييم جميع اللوحات المؤهلة بشكل مستقل، مع تعمية كل منهما عن قرارات الترميز الخاصة بالآخر، وعلامات الذكاء الاصطناعي الأولية، وتوزيعات المجموعات. وتم تقييم الموثوقية بين المرمزين باستخدام معامل كابا لكوهين (Cohen’s kappa). بلغت قيمة كابا الملحوظة لفئة الهوية الأساسية 0.88، بينما تراوحت متغيرات الإشارات المرئية الفئوية بين 0.79 و 0.92، مما يدل على وجود اتفاق قوي بين المرمزين. وتم حل الخلافات من خلال المناقشة والتوافق، وسُجلت رموز الفئات والإشارات المرئية التي تم الفصل فيها للتحليل اللاحق12. كما تم الاحتفاظ بالعلامات ما قبل الفصل.
التوافق بين الذكاء الاصطناعي والبشر وتقدير الأداء
استُخدمت الفئة البشرية المحكمة كمرجع للمقارنة الوصفية مع تسمية واحدة أولية من الذكاء الاصطناعي لكل لوحة. وحُسبت دقة التطابق التام الإجمالية بنسبة 356/433 (82.2%). كما حُسب استرجاع الفئة بقسمة عدد تطابقات الذكاء الاصطناعي والبشر التامة على دعم المرجع البشري لكل فئة. وتم ذكر دعم الفئة، والتطابقات التامة، وعدم التطابق، والمقامات المقابلة لها بشكل صريح.
بناءً على 433 زوجاً من التصنيفات البشرية والآلية على مستوى الحالات، تم حساب الإيجابيات الكاذبة للفئات المستهدفة، ودقة كل فئة، والاستدعاء، ودرجات F1. كما تم إنشاء مصفوفة ارتباك كاملة لتحليل أنماط التصنيف خارج القطر الرئيسي، والتي وجهت لاحقاً عملية مراجعة عدم التطابق، وتوثيق تصنيف الأخطاء، وقواعد الفصل في النزاعات.
حزمة ومواد قابلية التكرار
تم تنظيم سير العمل الحسابي ومواد البحث الداعمة في مستودع خاضع للتحكم في الإصدار. صُممت حزمة قابلية التكرار لتشمل نصوصاً برمجية للمعالجة المسبقة، وتحليل CLIP، وتحديد موقع SAM، وUMAP، والتجميع، وتحليل الاتفاق، وإنشاء الأشكال، جنباً إلى جنب مع دليل الترميز اليدوي، وملفات التكوين، ومعلومات التبعيات، والمخرجات المشتقة على مستوى الحالة، وقائمة جرد مقروءة آلياً لمصادر الصور ومعلومات الحقوق. وقد تم تعيين معرف دائم لمواد البحث المؤرشفة لتسهيل عملية التكرار وإعادة الاستخدام.
تم استخدام Microsoft Excel 2021 لتنظيم وإدارة البيانات الوصفية. واعتمدت التحليلات الحسابية على نموذج CLIP ViT-B/32 للتوسيم الأولي للرؤية واللغة، ونموذج SAM لتحديد مواقع العناصر المرئية، وتقنية UMAP مع مسافة جيب التمام (cosine distance) لتقليل الأبعاد، بالإضافة إلى خوارزميتي K-means والتجميع الهرمي لتحليل الأنماط الاستكشافية. وتم تقييم حلول التجميع باستخدام معامل السلوت (silhouette coefficient) ومؤشر ديفيز-بولدين (Davies–Bouldin index)، كما تم تقييم الاتفاق بين المرمّزين باستخدام معامل كابا لكوهين (Cohen’s kappa). وقد تم توثيق بيئة البرمجيات، وإعدادات النماذج، والضبط الحسابي، والبذور العشوائية المستخدمة طوال سير العمل لدعم إمكانية إعادة إنتاج النتائج.
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
بناء المدونة والتكوين الوصفي
يقدم الشكل 1 نظرة عامة على المدونة مكونة من أربعة أقسام. يوضح الشكل 1A عملية الفرز المسجلة من 612 سجلاً مرشحاً إلى 433 سجلاً مستبقياً. ويعرض الشكل 1B أمثلة ممثلة للوسائط والتنسيقات. كما يقدم الشكل 1C أعداد السجلات عبر أربعة فترات زمنية، بينما يلخص الشكل 1D تكوين المصدر والوسيط في المدونة. ونظراً لأن الفترات الزمنية تمتد عبر ...
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
ضمن ملخصات التجميعات المقدمة، تم تنظيم 433 سجلاً في سبع فئات مرجعية بشرية ووُصفت من خلال خمس عائلات من الإشارات البصرية. كانت فئة النخبة/الجمال هي الفئة الأكبر (112/433)، وتطابقت 356 تسمية أولية مع المرجع البشريات المسجل (82.2%). هذه ملاحظات متعلقة بالمدونة، وهي تدعم دراسة الصيغ التصويرية المتكررة، ولكنها لا تدعم الفرضية الأقوى بأن هذه الصيغ تعيد إنتاج مجتمع سلالة تشينغ بأمانة أو أنها تسببت في استجابة معينة لدى الجمهور الأجنبي13.
لقد ساهم الخطاب الجندري المعياري، والمكا...
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
ليس لدى المؤلفين أي تضاربات مصالح للإفصاح عنها.
يتوجه المؤلفون بالشكر إلى متحف فيكتوريا وألبرت، والمتحف البريطاني، ومتحف متروبوليتان للفنون، ومتحف سميثسوني الوطني للفنون الآسيوية، ومتحف بيبودي إيسيكس، ومتحف هونغ كونغ للفنون، والمكتبة البريطانية، ومعهد جيتي للأبحاث، وغيرها من المؤسسات الحاضرة وفرق الفهرسة التي دعمت سجلاتها المتاحة عبر الإنترنت عملية اكتشاف المجموعة. إن الوصول إلى سجل عبر الإنترنت لا يعني الإذن بإعادة توزيع صورته؛ ولذلك تم توثيق الحقوق على مستوى اللوحة وروابط المصدر بشكل منفصل. كما يقر المؤلفون بدور مجتمعات البحث المفتوحة التي تدعم CLIP و SAM، بالإضافة إلى الدعم الإداري من جامعة مدينة ماكاو وجامعة قوانغدونغ للفنون التطبيقية والتربوية.
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
| الاسم | الشركة | رقم فهرسي | التعليقات |
|---|---|---|---|
| CLIP ViT-B/32 | OpenAI | OpenAI CLIP, ViT-B/32 | نموذج لغة-رؤية مستخدم لتحليل التشابه الأولي بين الصور–النصوص وتعيين تصنيفات أولية بواسطة الذكاء الاصطناعي. |
| محطة عمل حاسوبية | محطة العمل الحاسوبية للمؤلفين’ | وحدة معالجة رسوميات تدعم CUDA؛ يجب ذكر تكوين الأجهزة الدقيق | محطة عمل مستخدمة لاستدلال CLIP وSAM والتحليلات الحاسوبية؛ يجب ذكر مواصفات وحدة معالجة الرسوميات (GPU)، ووحدة المعالجة المركزية (CPU)، وذاكرة الوصول العشوائي (RAM)، ونظام التشغيل، ومواصفات CUDA من بيئة التشغيل الأصلية. |
| Matplotlib | فريق تطوير Matplotlib | حزمة Python؛ يجب ذكر الإصدار الدقيق | مستخدمة للتصور الحاسوبي وإنشاء أشكال ورسوم بيانية تحليلية. |
| Microsoft Excel 2021 | Microsoft Corporation | Microsoft Excel 2021 | مستخدم لتنظيم البيانات الوصفية، وسجلات الفحص، وإدارة بيانات الدراسة الجدولية. |
| NumPy | مطورو NumPy | حزمة Python؛ يجب ذكر الإصدار الدقيق | مستخدمة للحسابات العددية ومعالجة مصفوفات ميزات الصور والمصفوفات التحليلية. |
| pandas | فريق تطوير pandas | حزمة Python؛ يجب ذكر الإصدار الدقيق | مستخدمة للتعامل مع البيانات المهيكلة، ومعالجة البيانات الوصفية، وتنظيم المخرجات التحليلية على مستوى الحالة. |
| Python 3.10 | Python Software Foundation | Python 3.10 | بيئة برمجية مستخدمة لتنفيذ سير عمل تحليل الصور الحاسوبي. |
| PyTorch 2.0.1 | PyTorch Foundation | PyTorch 2.0.1 | إطار عمل للتعلم العميق مستخدم لتشغيل ترميز الصور والنصوص القائم على CLIP والاستدلال عبر وحدة معالجة الرسوميات (GPU). |
| scikit-learn | مطورو scikit-learn | حزمة Python؛ يجب ذكر الإصدار الدقيق | مستخدمة لحسابات تجميع K-means، والتجميع التراكمي، ومعامل السلوويت، ومؤشر Davies–Bouldin، ومعامل كابا Cohen’s kappa. |
| نموذج تقسيم أي شيء (SAM) | Meta AI Research | SAM | نموذج تقسيم مستخدم لتحديد مواقع الأشكال الأنثوية، والملابس، والأثاث، والأدوات، والأشياء الطقسية، والمناطق المعمارية للفحص البصري. |
| umap-learn | McInnes et al. | تنفيذ UMAP بلغة Python | مستخدم لتقليل الأبعاد والتصور ثنائي الأبعاد لتضمينات صور CLIP باستخدام مسافة جيب التمام (cosine distance). |
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.