في عالم الذكاء الاصطناعي، تبرز نماذج الفضاء الحالة (State Space Models - SSMs) كبديل قوي وفعال للتقنيات التقليدية مثل المحولات (Transformers). فهي تتمتع بقدرة مذهلة على معالجة التسلسلات بكفاءة خطية، لكن تطبيقها في مهام الرؤية يعتبر تحديًا ملحوظًا. إن الاعتماد القوي لنماذج SSMs الحالية على طرق المسح الثابتة لتفكيك صورة معينة إلى تسلسلات يشكل عقبة، إذ تتطلب تلك الأساليب هياكل هندسية مسبقة وتعقد العملية أكثر.

على الرغم من كل ذلك، فإن إمكانية اعتماد نماذج الفضاء الحالة في المجالات التي تتطلب تفاعلات استفسارية بين تدفقات المعلومات المختلفة تظل مقتصرة. يتسبب هذا في عجز نماذج SSMs عن تلبية الاحتياجات الأساسية في المهام البصرية مثل الدمج ثلاثي الأبعاد من زوايا متعددة.

للتغلب على هذه العقبات، تم تقديم دي فورمبا (Deformba)، وهو أسلوب مرن يتكيف مع الحاجة لزيادة المعلومات الهيكلية المكانية بينما يحافظ على الكفاءة الخطية لنماذج SSMs. يسمح نموذج دي فورمبا أيضًا بدمج متعدد الوسائط مثل الانتباه المتبادل (cross attention).

لطلب التأكيد على فعالية دي فورمبا وتطبيقه العام، تم اختباره على مهام الرؤية الثنائية الأبعاد مثل تصنيف الصور، وكشف الكائنات، والتجزئة، بالإضافة إلى مهام الرؤية ثلاثية الأبعاد مثل تصورات BEV. أظهرت التجارب المكثفة أن دي فورمبا يحقق أداءً قويًا عبر مجموعة متنوعة من معايير الإدراك البصري.

إن دمج كل هذه القدرات في نموذج واحد يمثل خطوة مهمة نحو تحسين أساليب الذكاء الاصطناعي في مجالات الرؤية والتصور. ما زلنا متحمسين لرؤية كيف سيتطور هذا النموذج وما سيقدمه في المستقبل.