في عصر تتزايد فيه الحاجة إلى فهم الفيديوهات الطويلة بشكل أسرع وأكثر كفاءة، أطل علينا فريق من الباحثين بابتكار جديد يُعرف بـ "EcoFrame". هذا الإطار يعد بمثابة ثورة في الطريقة التي نتفاعل بها مع نماذج اللغة والرؤية (Vision-Language Models – VLMs)، حيث يعتمد على جدولة ديناميكية للأدلة البصرية. في السابق، كانت الأساليب تعتمد على اختيار ثابت وثابت للإطارات بشكل احتيالي، مما يعيق المرونة المطلوبة لضمان فهم دقيق.

**كيف يعمل EcoFrame؟**

يستخدم EcoFrame مبدأ "استجابة المعلومات" لتحديد متى يجب زيادة عدد الإطارات المراد تحليلها ومكان البحث عن الأدلة المرشحة الإضافية. يحتوي الإطار على نظام جدولة يعتمد على تردد الفروق (entropy-gated budget scheduling) الذي يسمح بالتوقف المبكر عندما تكون الأدلة الحالية كافية أو توسيع ميزانية الإطارات عند الحاجة.

كما يعتمد أيضًا على اقتراحات قائمة على الانتباه (attention-guided candidate proposal) التي تحول الانتباه إلى أولوية زمانية، تتيح بحثاً محلياً كثيفاً في المناطق المفيدة مع الحفاظ على تغطية عالمية.

**نتائج التجربة**

أظهرت التجارب التي أجريت على مجموعات بيانات مثل Video-MME وLongVideoBench وMLVU، أن EcoFrame يحقق توازنًا أفضل بين الدقة والكفاءة مقارنةً بالأساليب السابقة مثل BOLT وA.I.R.، حيث سجل EcoFrame دقة متوسطة تصل إلى 64.4%، محققًا بذلك تقدمًا ملحوظًا في السرعة تعادل 1.85 مرة مقارنةً بالأنظمة القديمة.

بهذه التطورات، يُعتبر EcoFrame إضافة قيمة لعالم تقنيات الذكاء الاصطناعي، ويشكل خطوة جديدة نحو فهم أعمق وأكثر فاعلية لفيديوهاتنا الطويلة.