هل يمكن للقص وإضافة العلامات المائية تجاوز كشف التجزئة الإدراكية (pHash، PDQ، TMK+PDQF)؟

عند إعادة نشر الفيديوهات، هل يمكن لأساليب القص وإضافة العلامة المائية تجاوز كشف التجزئة الإدراكية (pHash وPDQ وTMK+PDQF)؟ وأيّ خوارزميات التجزئة الإدراكية (pHash وPDQ وTMK+PDQF) أكثر متانة في مقاومة القص أو العلامات المائية؟

Aug 29, 2025 09:55 147 قراءة حوالي 22 كلمة حوالي 1 دقيقة قراءة

مقارنة مقاومة القصّ

يعتمد pHash على خصائص DCT منخفضة التردد العالمية، لذلك يؤدي القصّ الموضعي إلى تغيير توزيع الطيف العام، وغالبًا ما يتسبب في تغيّر كبير في الهاش؛ ولهذا تكون متانته أمام «الفقدان الموضعي» أضعف. وبسبب ذلك طرحت الأوساط الأكاديمية اتجاهات تحسين موجّهة لمقاومة القصّ/الدوران لتعويض قصور الهاش العالمي التقليدي.
أما PDQ (للصور) فهو أكثر تأثرًا بالتغييرات من نوع «إزالة المحتوى/الحجب». وتُظهر اختبارات المؤلفين أنه ليس ثابتًا أمام تحولات الإزالة بقدر ثباته أمام التحولات الخفيفة من نوع تحسينات بسيطة مثل التنسيق/معدل البت؛ وبما أن القصّ يندرج ضمن فئة «الإزالة»، فهو لا يملك أفضلية هنا.

يتدهور أداء TMK+PDQF (للفيديو) عند القصّ بصورة أوضح: تُظهر التقييمات أنه إذا تم قصّ أكثر من نحو 20% من الصورة فسيصبح من الصعب تحقيق مطابقة موثوقة، بل يُنصح بعدم توقّع إصابة مستقرة حتى عند تجاوز 10%، ما يبرز حساسيته لفقدان جزء كبير من مجال الرؤية.

مقارنة مقاومة العلامات المائية

يُعد pHash حساسًا للعلامات المائية الكبيرة غير الشفافة، لأن العلامة المائية تغيّر البنية العالمية منخفضة التردد، وعادةً ما يصعب على الهاش الإدراكي التقليدي المعتمد على DCT العالمي الحفاظ على تقارب الهاش تحت العلامات المائية القوية.

لدى PDQ قدرة معينة على تحمّل «العلامات المائية الخفيفة/الشعارات الصغيرة»، لكن في ظروف العلامات المائية «القوية غير الشفافة ذات الحواف المعقدة وتغيرات الألوان»، تُفلت أكثر من نصف العينات من الكشف عند العتبات الشائعة، ما يدل على محدودية متانته أمام العلامات المائية الشديدة.

في سيناريوهات الفيديو، يُصنّف أداء TMK+PDQF أمام العلامات المائية والقصّ ضمن التحولات «ضعيفة الأداء». وبالمقارنة مع التحولات التي تحافظ على البنية العالمية مثل معدل البت/التنسيق/التحجيم، فإن إضافة العلامات المائية تخفّض ثقة المطابقة بشكل واضح.

تنبيهات عملية

تُظهر خبرة المنصات أن المتانة أمام تحولات ترميز الفيديو مثل «التنسيق/معدل البت/التحجيم» جيدة نسبيًا، لكن الخوارزميات الثلاث جميعها تشهد تراجعًا واضحًا في الأداء عند القصّ الكبير أو العلامات المائية القوية، خصوصًا غير الشفافة وذات مساحة التغطية الكبيرة، لذا ينبغي دمجها مع استراتيجيات قبلية وبعدية مثل ضبط العتبات والمراجعة البشرية.

إذا كان لا بد من تحسين الثبات أمام القصّ، فيمكن دمج أفكار «التقسيم إلى كتل/المعالجة الموضعية» أو اعتماد أساليب ترميز مكاني مصممة للقصّ/الدوران لتعويض نقاط ضعف الهاش العالمي التقليدي، ثم دمجها متعدد الوسائط مع بصمات مثل PDQ/TMK لتحسين الاسترجاع. وتشير الممارسات والأبحاث إلى أن الهاش الإدراكي العالمي التقليدي ليس متينًا أمام القصّ، وهو ما أدى إلى ظهور طرق جديدة مقاومة للقصّ.

في سيناريوهات العلامات المائية، تشير وثائق PDQ الرسمية إلى قدرته على تحمّل «العلامات المائية الخفيفة/الشعارات الصغيرة»، بينما تؤثر العلامات المائية القوية غير الشفافة بوضوح في المطابقة؛ كما يُظهر TMK+PDQF في جانب الفيديو نمطًا مشابهًا، لذلك ينبغي تجنب الاعتماد على عتبة واحدة فقط، وإدخال توسيع للمرشحين وآلية تحقق من مرحلتين عند الحاجة.

خلاصة مهمة

في نوعي التعديلات الموضعية «مقاومة القصّ/الحجب الموضعي» و«إضافة العلامات المائية»، يكون النمط العام للخوارزميات الثلاث كما يلي: يُعد PDQ وTMK+PDQF أكثر ثباتًا نسبيًا أمام العلامات المائية الخفيفة مثل الشعار في الزاوية/logo، لكنهما يتدهوران بشكل ملحوظ أمام القصّ الواضح والعلامات المائية الكبيرة غير الشفافة؛ أما pHash، فبسبب اعتماده على خصائص عالمية منخفضة التردد، فهو الأقل ثباتًا أمام هذه التعديلات الموضعية.

إلى أصدقاء نقل الفيديوهات، الآن أصبحتم تعرفون ما الذي ينبغي فعله، أليس كذلك؟