تُعتبر عملية تقدير العمق وإعادة البناء الجاوسي من أبرز التحديات التي تواجه الباحثين في مجال الرؤية الهندسية. وعلى الرغم من أن كلا العمليتين تتطلبان معالجة ميزات متعدد المقاييس، إلا أنهما تستخدمان واجهات توقع مختلفة وأهداف تدريب متباينة. فهل من الممكن أن يُحسّن الحساب الداخلي لعملية التشفير (Decoder) بشكل يُمكّن من إعادة استخدامه عبر هذين النظامين؟

للإجابة عن هذا السؤال، أُطلق إطار عمل جديد يُسمى GeoBridge، الذي يمكّن من تصميم أنماط التشفير القابلة للنقل. يتكون GeoBridge من عدة ميزات أساسية:

1. **بحث هيكلي قابل للتكوين**: يسمح GeoBridge للطبقات الداخلية بأنماط متغيرة للكشف من خلال التركيب المتسلسل والمتوازي للأجزاء القابلة للتكوين.
2. **تشغيل شجرة وظيفية**: تدعم عمليات التبادل الشجرية الوعي بالطبقة، مما يعزز من التكيف المرن للنمط.
3. **تقييم البدائل**: يتم استخدام بروكسي لحساسية التدرّج لتقييم المرشحين دون الحاجة للتدريب.
4. **توازن متعدد الأهداف**: يسعى النظام لتحقيق توازن بين تكلفة الحساب والبارامترات المطلوبة.

عند تنفيذ GeoBridge، سرعان ما أظهر تفوقه؛ حيث تمكن نموذج GeoBridgeNet-A3 من تحقيق أفضل دقة في تقدير العمق مقارنة بأربعة نماذج تنافسية أخرى باستخدام مجموعة بيانات NYU Depth V2 وKITTI. علاوةً على ذلك، تمكن النموذج من الحصول على نسبة 27.11 ديسيبل (dB) في إعادة بناء مشاهد جديدة باستخدام تقنية إعادة البناء الجاوسي.

مع النتائج المبهرة التي تقدمها GeoBridge، يبدو أن لهذا الإطار القدرة على إعادة تعريف مجالات الرؤية الهندسية في الذكاء الاصطناعي. يمكنكم العثور على الشيفرة ووزنات ما تم تدريبه مسبقاً على المستودع الخاص بالجيوبريدج. ما رأيكم في هذه الابتكارات؟ شاركونا آرائكم في التعليقات!