في عالم التكنولوجيا المتقدمة، أصبح الكشف عن anomalies (anomalies detection) في الفيديو من المجالات الحيوية لمراقبة الأحداث بشكل فعال. يُظهر الإطار الجديد المعروف باسم EVAD، القدرة الفائقة على التعامل مع الظروف الصعبة مثل تباين الإضاءة والحركة السريعة. يعتمد EVAD على تقنيات استشعار الأحداث المستوحاة من الطبيعة، والتي تقوم بتسجيل التغيرات في الإضاءة بدقة زمنية عالية، مما يجعلها أكثر مرونة في التعامل مع الضبابية الناتجة عن الحركة.

تمثل مجموعة البيانات الجديدة التي تم إنشاؤها لهذا الإطار نقلة نوعية، حيث تحتوي على 6.3 مليار حدث و376,368 إطار فيديو تم جمعها في ظروف إضاءة متنوعة وأنماط حركة وخلفيات معقدة. هذا يُعد خطوة مهمة نحو سد الفجوة في البيانات الواقعية، مما يُمكّن الباحثين من تطوير خوارزميات أكثر فعالية في هذا المجال.

علاوة على ذلك، تم تصميم إطار التدريب المتباين المتعدد الأنماط الذي يتعلم من خلاله التمثيلات التمييزية للأحداث، وذلك بتوافق بين تيارات الأحداث والمعلومات المستندة إلى الفيديو وتوصيفات نصية. وهذا يُسهم في تعزيز تطابق الفهم بين أنواع البيانات المختلفة، مما يُحسن من دقة الكشف في الظروف البيئية المتغيرة.

تظهر التجارب نتائج مشجعة، حيث أثبت EVAD فعاليته في تحسين أنظمة الكشف عن anomalies بالمقارنة مع الطرق التقليدية. إن استخدام هذا الإطار في التطبيقات العملية يفتح آفاقاً جديدة لمراقبة الأحداث في العالم الحقيقي، ويُعزز من قدرات الأمن والسلامة في المجتمعات.