في ظل الانتشار السريع لكاميرات المراقبة، ارتفعت الحاجة إلى أنظمة الكشف الآلي عن العنف. ورغم النجاح الذي حققته الشبكات العصبية الالتفافية (CNN) والمحولات (Transformers) في استخراج الميزات الزمانية-مكانية، إلا أن هناك تحديات كبيرة تتعلق بالاعتماد على العناصر الطويلة وكفاءة الحوسبة.

ولحل هذه التحديات، نقدم لكم نموذج FuseMamba-VD، وهو نموذج مبتكر يعتمد على تصميم مزدوج القنوات وعمود فقري يعتمد على نموذج الحالة (State-Space Model) حيث يركز أحد الفروع على الميزات المكانية بينما يركز الآخر على الديناميكيات الزمنية. يتم دمج البيانات بشكل مستمر من الفرع المكاني إلى الفرع الزمني بواسطة آلية تُعرف باسم “Gated Class Token Fusion” (GCTF) لتعزيز الكشف عن الأنشطة العنيفة، حتى في السيناريوهات الأكثر تحدياً.

ويتميز البحث أيضاً بإطلاق معيار جديد يجمع بين مجموعة بيانات RWF-2000، RLVS، SURV وVioPeru، مع ضمان الفصل الصارم بين مجموعات التدريب والاختبار. تُظهر النتائج التجريبية أن نموذجنا يحقق أداءً رائداً في هذا المعيار، وأيضاً على مجموعة بيانات DVD التي تم إدخالها حديثاً حول الكشف عن العنف في الفيديو.

وبفضل هذا النموذج، تم تحقيق توازن مثالي بين الدقة وكفاءة الحوسبة، مما يُظهر الإمكانيات الواعدة لنماذج الحالة في تطوير أنظمة الكشف عن العنف الذكي. يمكنكم الاطلاع على الكود والنماذج المدربة مسبقًا عبر GitHub.

ما رأيكم في هذا التطور الثوري في مجال الأمان الرقمي؟ شاركونا في التعليقات!