في مجال القيادة الذاتية، تُعتبر تقنية الكشف عن الأجسام ثلاثية الأبعاد من أهم التحسينات التي تساهم في تحقيق الأمان والكفاءة. ومع ظهور تحديات جديدة، مثل التعقيد الحاسوبي وصعوبة استخراج ميزات متعددة المقاييس، جاءت دراسة جديدة لتقدم حلاً مبتكرًا.

تحت عنوان "الكشف عن الأجسام ثلاثية الأبعاد باستخدام تقنية منظور العصافير (Bird's Eye View - BEV)", تم تقديم خوارزمية جديدة تُعرف باسم Sparse-BEVNet. تعتمد هذه الخوارزمية على تقديم آلية جديدة تسمى Bi-Level Routing Attention (BRA) لخفض العبء الحاسوبي أثناء استخراج ميزات الصور.

ومن خلال استخدام Cascaded Group Attention (CGA) في وحدة دمج الميزات، تتحقق تفاعلات عميقة عبر الميزات المختلفة دون زيادة العبء الحاسوبي. كما يتم تطبيق آلية Sparse Spatial Cross-Attention لتحل محل خط أنابيب الإسقاط الكثيف التقليدي، مما يعزز الكفاءة.

تظهر نتائج التجارب على مجموعة بيانات nuScenes العامة أن الخوارزمية الجديدة حققت دقة متوسط الدقة (mAP) بنسبة 45.2%، وإجمالي نقاط اكتشاف nuScenes (NDS) بنسبة 54.5%. تُعد هذه النتائج تحسنات ملحوظة تصل إلى 3.6% و2.8% مقارنةً بالنموذج الأساسي، مما يدل على القدرة الكبيرة لهذه التقنية في تحسين أنظمة القيادة الذاتية.