✦التحسين العصبي للدقة · قيد التطوير

تحسين دقة عصبي على الجهاز، قيد التطوير — بكسلات أحدّ من بث أخف.

نبني نموذجاً على الجهاز يعيد بناء نص وحواف أحدّ من بث بمعدل بت أقل، ويعمل بالكامل على وحدة NPU في جهازك — لا في السحابة أبداً. إنه قيد التطوير وليس في التطبيق بعد. وإليك الفكرة، وما يُبقي جلسة Remio حادة اليوم دون أي شيء منه.

✦الفكرة

لماذا يصبح النص المبثوث ضبابياً، وكيف صُمّم تحسين الدقة على الجهاز لإصلاحه.

صُمّمت المرمّزات التقليدية للفيديو للحركة، لا للحواف الدقيقة عالية التباين التي يتكوّن منها النص وعناصر الواجهة. وحين يضيق عرض النطاق تكون هذه الحواف أول ما يضيع — وهذا ببساطة هو طريقة عمل ضغط الفيديو، على أي سطح مكتب بعيد، لا في Remio وحده.

يمر بث سطح المكتب البعيد بضربتي ضغط قبل أن يصل إلى عينيك. أولاً، يصغّر المضيف الدقة حين تتجاوز دقة المصدر ما يستطيع العميل عرضه — فجهاز MacBook Pro M4 مقاس 14 بوصة يستضيف بدقة 3024 × 1964 ويبث إلى iPad mini بدقة 2266 × 1488 يكون قد تخلى عن نحو ثلث بكسلاته قبل أن يرى المرمّز الإطار. وثانياً، يطبّق المرمّز نفسه ضغطاً مع فقدان ليلائم معدل البت الذي تستطيع الشبكة حمله. وكلتا الخطوتين تتخلص من التفاصيل عالية التردد — وهي بالضبط ما يصنع الفرق بين حرف واضح وبقعة ملطّخة.

الفكرة التي نستكشفها هي مرحلة استعادة جودة تعمل على العميل بعد فك الترميز: تنظر إلى الإطار المفكوك وتتنبأ بالمحتوى عالي التردد الذي كان في الإطار الأصلي قبل تصغيره وعصره عبر المرمّز. وخلافاً لتحسين الدقة التقليدي بالاستكمال الثنائي الخطي أو التكعيبي — الذي لا يستطيع إلا الاستكمال من البكسلات الموجودة — تستطيع الشبكة العصبية المدرَّبة أن تتعلم كيف تبدو الحواف وأشكال الحروف وعناصر الواجهة بالدقة الكاملة، وأن تعيد بناء تفاصيل لا يستطيع الاستكمال البسيط استرجاعها.

إن عملت كما نأمل، فسيكون الأثر أوضح ما يكون حيث تحتاجه أكثر: نص المتن بحجم 11 نقطة، والشيفرة بخط أحادي المسافة، والخطوط الرفيعة في ملف Figma، وحدود الأزرار في الشريط الجانبي. هذه هي الحالات التي تعني فيها بضع بكسلات ملطّخة الفرق بين "مقروء" و"عليّ أن أقترب". وهذه فجوة حقيقية في ما يستطيعه أي مرمّز مضبوط للحركة بمفرده — ولهذا بالذات يستحق الأمر وقت البحث لنعرف إن كان نموذج على الجهاز يستطيع سدها.

لم نصل إلى ذلك بعد. واليوم، الإجابة الصريحة عن "كيف أُبقي الجلسة حادة على اتصال سيئ" هي محرك معدل البت التكيّفي في Remio — فهو يقرأ شبكتك فعلاً ويختار النطاق الذي يُبقي الصورة حادة بقدر ما يسمح به الاتصال، دون ارتفاعات في التأخير. وسيكون التحسين العصبي للدقة طبقة إضافية فوق ذلك، لا بديلاً عنه.

✦لماذا يمنحنا الأصلي أسبقية

عميل أصلي حقيقي، لا عارض ويب ملفوف.

كل عميل Remio تطبيق أصلي 100% على منصته — بلا Electron ولا بيئة معزولة للمتصفح في المنتصف. ولهذا يتحدث أصلاً مباشرة إلى أطر العتاد نفسها التي سيحتاجها نموذج تحسين الدقة العصبي: Core ML وNeural Engine على Apple Silicon، وNNAPI على أجهزة Android المزودة بوحدة NPU مخصصة. وإن بنينا هذا، فسيتصل ببنية قائمة أصلاً للالتقاط والترميز وفك الترميز — بلا قفزة إلى السحابة ولا runtime منفصل يُضاف.

هذا هو السبب الكامل لكون النسخة على الجهاز هي الوحيدة التي سننظر فيها من هذه الفكرة. فالذهاب والإياب إلى السحابة سيضيف تأخيراً لا تقبله فلسفة Remio في عدم التخزين المؤقت — لذا فأي نموذج نطرحه يجب أن يعمل محلياً أو لا يُطرح أبداً.

عميل Remio الأصلي على iPhone يبث سطح مكتب Mac

على Apple Silicon — كل جهاز Mac من سلسلة M، وiPad Pro وiPad Air وiPhone Pro الحديثة — يستطيع Core ML توجيه نموذج مُجمَّع إلى Neural Engine، وهو معالج مساعد مخصص يجاور المعالج المركزي والرسومي على الشريحة نفسها، مبني لعمليات ضرب المصفوفات الصغيرة المتكررة التي تقضي الشبكات العصبية معظم وقتها فيها، وبجزء من الطاقة التي تستهلكها وحدة الرسومات. وهذا هدف قادر وكفء لنوع النموذج الذي تحتاجه هذه الفكرة بالضبط — لكنه لم يُربط بعد.

وعلى Android، يمنح NNAPI الأجهزة المدعومة — Pixel بشريحة Google Tensor وهواتف Galaxy وOnePlus الحديثة — التوجيه نفسه إلى وحدة NPU بالعتاد. وعلى المنصتين، ستعود الأجهزة الأقدم التي لا تملك NPU سريعة كفاية ببساطة إلى فك الترميز 1:1، كما يتصرف Remio في كل مكان اليوم: فهو لا يحجب البث أبداً بانتظار عتاد غير موجود.

لا شيء من ذلك وعد بمواعيد طرح. إنه السبب الذي يجعلنا نعتقد أن البحث يستحق العناء — فالشرط المعماري الصعب موجود أصلاً، وهذه نقطة انطلاق غير معتادة فعلاً لميزة كهذه.

✦معيارنا للطرح

ما نحتاج إلى إثباته قبل أن يُطرح هذا.

لن نضيف ميزة ذكاء اصطناعي لمجرد أن "الذكاء الاصطناعي" يبيع. وهذه هي الأسئلة الصريحة التي نحتاج إلى إجابات جيدة عنها أولاً.

هل يتفوق بوضوح على ما لدينا؟ يقرأ محرك معدل البت التكيّفي في Remio اتصالك فعلاً ويختار النطاق الذي يُبقي الصورة حادة بقدر ما تسمح الشبكة. ولا يستحق النموذج العصبي مكانه إلا إن استعاد تفاصيل تتجاوز ذلك الخط الأساسي بهامش يلحظه الناس فعلاً — لا فوزاً في اختبار يختفي عند مسافة المشاهدة العادية.

هل يكلّف بطارية الهاتف أو الجهاز اللوحي كلفة معتبرة؟ فتشغيل أي نموذج على كل إطار مفكوك طوال الجلسة له كلفة طاقة حقيقية. نريد أن تكون تلك الكلفة صغيرة بما يكفي كي لا يضطر أحد إلى التفكير فيها — أو سلوكاً "تلقائياً" واضحاً وصريحاً لا يستهلك البطارية إلا حين يوجد ما يستحق الاستعادة، مع مفتاح إيقاف حقيقي لمن لا يريد دفعها أصلاً.

هل يبقى صريحاً بشأن ما يفعله؟ النموذج الذي يعيد بناء تفاصيل معقولة المظهر من بكسلات مضغوطة يفعل شيئاً مختلفاً عن نموذج يخترع محتوى لم يكن موجوداً. وفي سطح مكتب بعيد، حيث يجب أن يطابق ما تراه ما هو موجود فعلاً على المضيف، ليس هذا التمييز كمالياً — بل هو نموذج الثقة كله. وأي شيء نطرحه يجب أن يعيد البناء، ولا يختلق أبداً.

إلى أن نستطيع الإجابة عن الأسئلة الثلاثة بأرقام حقيقية لا بتوقعات، يبقى هذا فكرة بحثية في هذه الصفحة — لا مفتاحاً في التطبيق.

✦حقيقي اليوم

ما يُبقي الصورة حادة فعلاً — دون أي ذكاء اصطناعي.

لا تحتاج إلى مشروع بحثي للحصول على جلسة Remio حادة اليوم. أربع قطع من الهندسة البسيطة المطروحة تؤدي العمل.

الترميز
H.265 بالعتاد، من طرف إلى طرفيعمل الترميز وفك الترميز كلاهما على سيليكون مخصص، مع H.264 بديلاً
معدل البت
يتكيف مع شبكتكيقرأ زمن الذهاب والإياب ويختار النطاق الذي يبقى حاداً دون ارتفاع في التأخير
الشاشة
بحجم نافذتكشاشة افتراضية تطابق لوحة العميل، لا نسخة مضغوطة من شاشة المضيف
العرض
دون تخزين مؤقتكل إطار يُرسم هو الأحدث المتاح — تُعاد الحزمة المفقودة إن كان بإمكانها الوصول في الوقت المناسب، وإلا تُتخطى لصالح إطار جديد، ولا تُعاد إطارات قديمة أبداً

H.265 بالعتاد من طرف إلى طرف يعني أن المرمّز على المضيف وفاكّ الترميز على العميل يعملان كلاهما على سيليكون فيديو مخصص، لا على المعالج المركزي — وهو السبب نفسه الذي يجعل فيديو 4K يُعرض بسلاسة على هاتف كان سيختنق لو حاول فك ترميزه برمجياً. وهذا الهامش هو ما يتيح لـ Remio الاحتفاظ بالتفاصيل عند معدل بت لا يستطيع ترميز برمجي تحمله.

محرك معدل البت التكيّفي هو القطعة التي تؤدي العمل الفعلي الذي يُستكشف التحسين العصبي للدقة للمساعدة فيه: يقيس اتصالك في بداية الجلسة ويختار أعلى نطاق لمعدل البت يستطيع ذلك الاتصال تحمله دون ارتفاعات في التأخير، بدلاً من تجويع البث بصمت. اقرأ كيف تعمل الجودة التكيّفية ←

وتكمل الشاشة الافتراضية ومحرّك العرض دون تخزين مؤقت الصورة. فلأن الشاشة التي يبثها Remio بحجم نافذتك بالضبط لا بحجم شاشة المضيف كاملة، فلن تنظر أبداً إلى نسخة مصغّرة من شيء أكبر. ولأن محرّك العرض يرسم دائماً أحدث إطار مفكوك — مسقطاً القديم بدلاً من اللحاق به — فلا شيء تراه قديم حين يصل إلى شاشتك. وبين الأربعة، لا تحتاج معظم الجلسات إلى مرحلة استعادة جودة أصلاً.

✦ما لن نطرحه

المبادئ التي يُبنى هذا ليلتزم بها.

رسّخ تسويق الذكاء الاصطناعي التوليدي توقعاً بأن "التحسين بالذكاء الاصطناعي" يعني اختراع التفاصيل. وقبل أن نضع نموذجاً كهذا في Remio، يجب أن يجتاز قائمة قصيرة وصريحة.

لن يختلق واجهة مفقودة. فإن قُطع زر عند حافة البث لأن المرمّز أسقط منطقة، فنموذج يخترع بقية الزر لا مكان له في سطح مكتب بعيد. يجب أن تثق بأن ما تراه على iPad يطابق ما هو موجود فعلاً على المضيف — والنموذج التوليدي الذي يملأ محتوى لم يكن موجوداً سيكسر تلك الثقة، لذا لن نطرح إلا نموذجاً يعيد البناء من بكسلات رُمّزت فعلاً، لا نموذجاً يخترع.

لن يدّعي زيادة معدل الإطارات. فمعدل الإطارات في Remio يحدده معدل التقاط المضيف وقدرة الشبكة على تسليم الإطارات في وقتها — وهذه مهمة محرّك العرض دون تخزين مؤقت المطروح أصلاً، لا مهمة محسّن دقة. وأي نموذج نبنيه سينتج إطاراً أحدّ واحداً لكل إطار مفكوك، لا أكثر.

لن يُقدَّم على أنه يصلح تشغيل الفيديو على المضيف. فإن كنت تشاهد فيلماً على جهاز Mac البعيد، فما يُبَث هو ما عرضه فاكّ الفيديو لدى المضيف نفسه — بدقة المضيف. ومرحلة استعادة الجودة على البث لا تحسّن مصدراً أنتجه المضيف أصلاً؛ وللحصول على تشغيل أحدّ للأفلام تبقى النصيحة الصريحة كما هي اليوم: شغّله على جهاز العميل لا على المضيف.

ولن يُباع أبداً كبديل عن شبكة جيدة. فاتصال الشبكة المحلية المباشر سيكون دائماً أحدّ من اتصال شبكة واسعة مقيّد مهما أُضيف فوقه من تحسين للدقة — ومحرك معدل البت التكيّفي الذي يطرحه Remio اليوم يمنحك فعلاً أفضل صورة يستطيع اتصالك الفعلي تحملها. وأي شيء نبنيه هنا سيكون تأميناً إضافياً للشبكات السيئة، لا بديلاً عن شبكة جيدة.

✦أسئلة شائعة

أسئلة متكررة

أسئلة تُطرح حول تحسين الدقة العصبي على الجهاز — وإجابات صريحة أدناه.

هل تحسين الدقة العصبي على الجهاز متاح في Remio اليوم؟
ليس بعد. إنه اتجاه بحثي نستكشفه، لا ميزة يمكنك تفعيلها، ولا نعد بموعد طرح. أما ما يُبقي جلسة Remio حادة اليوم فهو هندسة بسيطة: H.265 بالعتاد من طرف إلى طرف، ومحرك معدل بت تكيّفي يقرأ شبكتك ويختار النطاق المناسب، وشاشة افتراضية بحجم نافذتك بالضبط، ومحرّك عرض دون تخزين مؤقت يُظهر دائماً أحدث إطار.
إن بنيتموه، فهل سيغادر أي شيء من هذا جهازي؟
لا. عملاء Remio تطبيقات أصلية بوصول مباشر إلى أطر العتاد على الجهاز — Core ML وNeural Engine على منصات Apple، وNNAPI على وحدات NPU في Android. وأي نموذج نطرحه سيعمل بالطريقة نفسها التي يعمل بها كل شيء آخر في Remio أصلاً: محلياً، على جهازك، دون أن يغادر شيء إضافي للمعالجة السحابية.
لماذا الاستكشاف بدلاً من الطرح فحسب؟
لأنه يجب أن يتفوق بوضوح على الأدوات التي نملكها أصلاً. فمحرك معدل البت التكيّفي في Remio يختار فعلاً أحدّ نطاق يستطيع الاتصال تحمله، لذا سيحتاج النموذج إلى إثبات أنه يضيف حدة حقيقية مرئية تتجاوز ذلك — ودون كلفة بطارية معتبرة على الهواتف والأجهزة اللوحية — قبل أن يستحق مكاناً في التطبيق.
ما الذي يُبقي النص والشيفرة حادين في Remio الآن؟
أربعة أشياء مطروحة اليوم. ترميز وفك ترميز H.265 بالعتاد من طرف إلى طرف، مع H.264 بديلاً. ومحرك معدل بت تكيّفي يقرأ زمن الذهاب والإياب ويختار النطاق الذي يُبقي الصورة حادة دون ارتفاع في التأخير. وشاشة افتراضية بحجم نافذة العميل بالضبط، لا نسخة مضغوطة من شاشة المضيف. ومحرّك عرض دون تخزين مؤقت — كل إطار يُرسم هو الأحدث المتاح، فلا شيء يتلاشى وهو ينتظر في طابور.
هل ستعلنون متى يُطرح هذا؟
نعم. تتابع هذه الصفحة وصفحة نظرة الذكاء الاصطناعي الحالة الحقيقية لكل قدرة — قيد الاستكشاف أو مطروحة. وفي اللحظة التي يصبح فيها التحسين العصبي للدقة حقيقياً وقابلاً للتحقق، تتغير الصفحتان لتقولا ذلك، بالصراحة نفسها. وإلى ذلك الحين يبقى موسوماً بما هو عليه: فكرة قيد البحث.
أيقونة تطبيق Remio

سريع وحاد اليوم. والتحسين العصبي للدقة قادم.

ثبّت Remio للحصول على بث H.265 بالعتاد من طرف إلى طرف، ومحرك معدل بت تكيّفي يقرأ شبكتك، وشاشة افتراضية بحجم نافذتك بالضبط — وكلها متوفرة الآن. أما تحسين الدقة العصبي على الجهاز فما زال فكرة بحثية في هذه الصفحة؛ لا مواعيد موعودة، وستقول هذه الصفحة ذلك بصراحة لحظة يتغير الأمر.