في ظل التطورات المستمرة في مجال تتبع الأجسام باستخدام الذكاء الاصطناعي، يظهر اليوم إطار عمل جديد يُدعى ''FeedbackTrack''، الذي يُعتبر ثورة في كيفية معالجة البيانات عبر محولات (Transformers). يعتمد هذا الإطار المستوحى من القشرة البصرية في الدماغ على آلية تغذية راجعة مبتكرة تعمل على تحسين دقة التتبع بشكل ملحوظ.

تتسم معظم أساليب تتبع الأجسام الحالية بالاعتماد على استخراج الميزات بطريقة خطية، مما يحد من قدراتها التلقائية في معالجة الإشارات المكانية والزمانية. ولكن مع ''FeedbackTrack''، يتم إدخال تغذية راجعة عبر الإطارات، حيث يتم استخدام حالات الوسائط من الإطارات السابقة في عملية التتبع.

يعمل ''FeedbackTrack'' على سد الفجوة بين الماضي والحاضر من خلال طريقين خفيفين: الأول هو ''تغذية راجعة استعلامية'' (Query Feedback) لتعديل الاستعلامات على مستوى الرموز، والثاني هو ''تغذية راجعة بوابة'' (Gate Feedback) لتعديل الميزات حسب السياق.

هذه الآلية تعزز نظام تتبع الأجسام من خلال الأزرار الحرارية للذكاء الاصطناعي، مما يعزز الدقة دون الحاجة إلى زيادة كبيرة في عدد المعلمات. في اختبارات الأداء، أظهرت نتائج ''FeedbackTrack'' تحسنًا مستمرًا في خمسة تكوينات أساسية، محققةً درجات مذهلة على مجموعة بيانات LaSOT وGOT-10k، حيث وصلت إلى 83.4 AO و79.1 AUC.

تشير النتائج إلى أن التغذية الراجعة عبر الإطارات تتفوق على التعديل في نفس الإطار، مما يسجل تقدمًا ملحوظًا بين 1.8 إلى 3.2 AO نقطة. كما تم الكشف عن تنظيم غير متساوٍ في عمق التعلم للقوة الملاحظة، مما يعكس فعالية التغذية الراجعة المتكررة في تتبع المحولات.

مع هذه الابتكارات، يتوقع أن يحدث ''FeedbackTrack'' تأثيرًا كبيرًا في مجالات متعددة من تتبع الأجسام باستخدام الذكاء الاصطناعي.
ما رأيكم في هذا الابتكار الثوري؟ شاركونا آرائكم في التعليقات!