في عالم الذكاء الاصطناعي، تعد دقة اكتشاف الحركات في مقاطع الفيديو من المجالات الحرجة التي تتطلب مستوى عالٍ من الكفاءة. ورقة بحثية جديدة تلقي الضوء على تأثير التداخلات (Occlusions) في هذا المجال، حيث تقدم خمسة مجموعات بيانات معيارية جديدة: O-UCF وO-JHMDB التي تتضمن تداخلات ثابتة وديناميكية تتحكم بها بشكل اصطناعي، بالإضافة إلى OVIS-UCF وOVIS-JHMDB التي تضم تداخلات ذات حركات واقعية، وأخيراً مجموعة بيانات Real-O-UCF التي تركز على التداخلات في سيناريوهات الحياة الواقعية.

تشير النتائج التي تم التوصل إليها إلى أن النماذج الحالية تعاني بشكل كبير عندما تزداد شدة التداخلات، حيث تظهر سلوكيات مختلفة بحسب ما إذا كانت المعوقات ثابتة أو متحركة. تم اكتشاف بعض الظواهر المثيرة للاهتمام داخل الشبكات العصبية: 1) قادرون على تحقيق أداء أفضل، فإن نماذج المحولات تتفوق على نماذج الشبكات العصبية التقليدية (CNN) حتى لو تم استخدام التداخلات كوسيلة لزيادة البيانات خلال التدريب. 2) إدراج مكونات رمزية مثل الكبسولات يمكّن هذه النماذج من الارتباط بالمعوقات التي لم يتم رؤيتها سابقاً في التدريب. 3) يمكن أن تظهر جزر من التوافق في الصور/الفيديوهات الواقعية دون إشراف على مستوى الفرد، أو تصفية، أو أهداف قائمة على التباين.

تمت الإشارة إلى أن هذه الخصائص النابعة تجعل من الممكن صياغة وصفات تدريب بسيطة وفعالة، مما يؤدي إلى نماذج تداخلات قوية تستوفي بشكل استقرائي المرحلتين الأوليين من آلية الربط. وقد تجاوزت النماذج التي تستخدم هذه الوصفات أداء أجهزة الكشف عن حركات الفيديو الحالية بنسب مذهلة تصل إلى 32.3% على مجموعة بيانات O-UCF، و32.7% على O-JHMDB، و2.6% على Real-O-UCF بناءً على مقياس vMAP.

يمكن الاطلاع على الشيفرة المستخدمة في هذا البحث على [رابط الشيفرة]. هذه النتائج ليست مجرد خطوات نحو تحسين التكنولوجيا، بل تفتح آفاقاً جديدة في طريقة فهمنا للتداخلات في الفيديو. ما رأيكم في هذا التطور؟ شاركونا آراءكم في التعليقات!