في عالم تتزايد فيه الحاجة إلى المراقبة الدقيقة للتغيرات على سطح الأرض، يقدم الباحثون تقنية جديدة تدعى LaVIDE (لغة - رؤية - مميز للكشف عن التغييرات) والتي تعد بفضل الذكاء الاصطناعي (AI) قفزة نوعية في الكشف عن التغيرات بواسطة الأقمار الصناعية. يعتمد هذا الإطار الجديد على التعلم من اللغة ليربط بين فئات الخرائط ذات المستوى العالي وتفاصيل الصور ذات المستوى المنخفض.

تواجه الأساليب التقليدية في الكشف عن التغيرات صعوبات بسبب الفجوة الدلالية بين تصنيفات الخرائط العميقة وبيانات الصور، حيث تعتبر الميزات غير المتجانسة عائقًا رئيسيًا. بينما تركز الأساليب التقليدية على مقارنة التشابه البصري على مستوى البكسل، يقدم LaVIDE حلاً جديداً عبر إدخال مفهوم التعلم المتوازن للمطالبات النصية، مما يمكن النموذج من توليد مطالبات نصية تتوافق مع محتوى الصورة، مما يسهل عملية التعرف على الظواهر البيئية.

إحدى الميزات الفريدة لـ LaVIDE هي الاستراتيجية المعززة لتكامل الخصائص التوجه للموضوع، التي تضيف معلومات حول شكل وحدود الأشياء في تمثيلات الخرائط. هذه الاستراتيجيات تعزز التعرف المباشر على التغيرات في الصور الملتقطة من الأقمار الصناعية.

أظهرت التجارب الواسعة التي أجريت على أربع معايير رئيسية، منها DynamicEarthNet وHRSCD، أن LaVIDE يتفوق بشكل ملحوظ على الأساليب المتقدمة الحالية، محققة تحسينات تصل إلى 18.4% في دقة الكشف عن التغيرات متعددة الفئات و5.2% في الفئات الفردية.

يساهم هذا الإطار في تحسين دقة الكشف عن التغيرات في الخرائط، ويوفر حلاً عمليًا لتحديث الخرائط بسرعة وبأقل تدخل بشري. من المتوقع أن يؤثر ذلك على مجموعة واسعة من المجالات، مثل التخطيط الحضري، وتقييم الكوارث، والحفاظ على البيئة.

يمكنكم الاطلاع على الشيفرة ومجموعات البيانات المتاحة عبر الرابط: https://github.com/ShuGuoJ/LAVIDE.git.