تواجه تقنيات تتبع الأجسام متعددة الزوايا (Multi-View Multi-Object Tracking) تحديات كبيرة في الحفاظ على الهوية الثابتة للأجسام عبر كاميرات مختلفة. غالبًا ما تؤدي هذه التحديات إلى عدم دقة في التتبع، نتيجة تشويه تمثيلات الميزات عند دمج البيانات من زوايا متعددة في مساحة موحدة تُعرف باسم "منطقة الطيور" (Bird's-Eye-View).

لذا، يعرض فريق البحث تقنية ATLASFusion، وهي إطار عمل موثوق يركز على الدمج المدروس للأبعاد المختلفة عبر ثلاث تقنيات تكميلية. يبدأ الإطار بتحويل منظور موحد يركز فقط على النقاط الصحيحة للميزات لتفادي بروز عيوب التداخل، مما يزيد من موثوقية البيانات.

كما يقوم ATLASFusion بتسمية مناطق عالية الثقة في البيانات المكانية، ويقوم بإشراف BEV لكل كاميرا على حدة قبل الدمج، مما يضمن نتائج أفضل. أثبتت التجارب التي أجريت على مجموعات WildTrack وMultiViewX تحسنًا ملحوظًا في درجات الدقة، حيث حققت التقنية %95.9 في تقييم IDF1 على WildTrack، وهو الأفضل مقارنة بالأساليب الأخرى.

لم يتوقف إبداع ATLASFusion هنا؛ بل أثبتت قوتها في مواجهة الضوضاء والتقلبات، حيث حافظت على %40.1 من النتائج على الرغم من الضوضاء العالية، بينما فشلت الأساليب المنافسة بالكامل. وعند تقليل دقة المدخلات، أثبتت ATLASFusion كفاءة ملحوظة، مما يجعلها الخيار الأمثل لتتبع المشاة في ظروف بيئية متغيرة.

بدون أي تأثير ملحوظ على الأداء، تقدم ATLASFusion ثورة حقيقية في نظام تتبع الأجسام، مما يجعلها تقنية واعدة في عالم الذكاء الاصطناعي والمراقبة الحضرية.

ما رأيكم في هذه التقنية الجديدة؟ شاركونا في التعليقات.