في عالم الذكاء الاصطناعي المتسارع، تسلط دراسة حديثة الضوء على إمكانيات مثيرة حول كيفية إدراك نماذج الرؤية العملاقة (Vision Foundation Models) للفضاء ثلاثي الأبعاد. حيث تساءل الباحثون: هل تتمكن هذه النماذج من بناء تمثيلات تعكس الخصائص الجوهرية للفضاء الإقليدي ثلاثي الأبعاد؟

عبر هذه الدراسة، لا يُكتفى بالاعتماد على الكميات المرتبطة بالصورة مثل العمق أو الاتجايات، بل يتم استكشاف العلاقة بين هيكل فضاء المميزات البصرية وتحويلات الفضاء الإقليدي $SE(3)$. وقد تم اقتراح مجموعة من الأدوات لتقييم هذه العلاقة من منظورين، طوبولوجي وهندسي.

الأداة الأولى هي مقياس جيرة متبادلة، يقيس مدى توافق أحياء المميزات مع الطوبولوجيا المكانية، والثانية هي محول بوانكاريه (Poincaré Adapter) الذي يختبر إمكانية الوصول الخطية لجيومتريا حركة الكاميرا من الإزاحات الكامنة في المشاهد الثابتة.

والأكثر إثارة، أن النماذج الذاتية المشرفة، التي لم تتلقَ تدريبًا مباشرةً على الإشراف ثلاثي الأبعاد أو الوكالة النشطة، تمتلك فضاءات كامنة مرتبطة ارتباطًا قويًا بالفضاء الإقليدي ثلاثي الأبعاد، عندما يتم اختبارها بشكل صحيح.

استنادًا إلى هذا الاكتشاف، تم اقتراح فئة جديدة من تقنيات "تنقل الفضاء الكامن" التي تؤدي المهام مثل قياس الحركة والموقع بطريقة خالصة في الفضاء الكامن، متجاوزة بذلك الحاجة إلى إعادة بناء ثلاثية الأبعاد صريحة. هذا التطور واعد بشكل خاص لتحسين أداء نماذج الرؤية في التطبيقات المستقبلية.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات!