قدمت ورقة بحثية جديدة نموذجًا رياضيًا وتقنيات خوارزمية لبناء تمثيلات بيانات من كاميرات تعتمد على الأحداث، يُطلق عليها اسم Fast Feature Field (F³). تعتمد هذه التقنية الحديثة على القدرة على التنبؤ بالأحداث المستقبلية بناءً على الأحداث السابقة، مما يساعدها على الحفاظ على هيكل المشهد ومعلومات الحركة بدقة عالية.

تستفيد تقنية F³ من النُدرة الفعلية لبيانات الأحداث، مما يجعلها قوية في مواجهة الضوضاء والتغيرات في معدلات الأحداث. يمكن تنفيذها بكفاءة عالية باستخدام أفكار من ترميز التجزئة متعدد الدقة والمجموعات العميقة، حيث تصل إلى 120 هرتز عند دقة HD و440 هرتز عند دقة VGA.

تتمثل فائدة F³ في إمكانية تمثيل الأحداث داخل حجم زمني مكاني متواصل كصورة متعددة القنوات، مما يتيح مجموعة واسعة من المهام التتابعية. وقد حققت هذه التقنية أداءً رائدًا في تقدير التدفق البصري والتجزئة الدلالية، بالإضافة إلى تقدير العمق المتر metric depth بالاعتماد على بيانات من ثلاثة منصات روبوتية مختلفة (سيارة، روبوت رباعي الأرجل، ومنصة طيران) عبر ظروف إضاءة متنوعة (نهاراً، ليلاً) وبيئات متعددة (داخلية، خارجية، حضرية، وأيضًا في الطرق الوعرة) وحساسات رؤية ديناميكية (الدقة ومعدلات الأحداث).

علاوة على ذلك، يمكن تنفيذ المهام المذكورة عند معدلات بين 25 إلى 75 هرتز على دقة HD، مما يمهد الطريق لتطبيقات مستقبليّة في الأنظمة الروبوتية والمراقبة.

كيف تتوقع أن تؤثر هذه التقنية في مستقبل الذكاء الاصطناعي وتطبيقاته؟ شاركونا آرائكم في التعليقات!