في عالم الذكاء الاصطناعي، تُشكل مهمة تحديد المواقع ثلاثية الأبعاد (3D Visual Grounding) تحدياً كبيراً، حيث يتمثل الهدف في تحديد مواقع الأجسام استناداً إلى أوصاف لغوية طبيعية في مشاهد ثلاثية الأبعاد. للأسف، فإن الطرق الحالية التي تعتمد على الإشراف محدودة من حيث التعميم، والطرق الحديثة التي لا تتطلب إشرافاً غالباً ما تعتمد على جدول البحث عن الكائنات المحدد مسبقاً (Object Lookup Table - OLT) لاستعلام نماذج اللغة البصرية (Visual Language Models - VLMs) بهدف التفكير في مواقع الأجسام عبر خطوة واحدة فقط، مما يحد من تطبيقاتها في السيناريوهات ذات الأهداف غير المحددة والاستفسارات المعقدة.

لكي نفكك هذه العقدة، تم تقديم OpenGround، وهو إطار عمل فريد من نوعه يعتمد على عدم الإشراف لاستخدامه في تحديد المواقع ثلاثية الأبعاد في بيئات مفتوحة، حيث يضمن التوافق مع الطرق الحديثة المتاحة. يعتمد OpenGround على تكامل تخطيط سلسلة المهام (Task-Chain Planning) ليقوم بتجزئة الاستفسار إلى خطة من الأهداف الفرعية من السياق إلى الهدف لتحقيق تحديد تدريجي، بالإضافة إلى إدراك السياق الموجه (Context-Guided Perception) لرؤية الكائنات الجديدة عبر الإنترنت تحت توجيه من سلسلة المهام.

ليس هذا فحسب، بل تم تقديم مجموعة بيانات جديدة تُدعى OpenTarget، التي تحتوي على أكثر من 7000 زوج من الكائنات والأوصاف لمحاكاة تقييم عالم مفتوح. أظهرت التجارب الواسعة أن OpenGround يحقق أداءً تنافسياً في اختبار Nr3D، ويتفوق على أحدث التقنيات في اختبار ScanRefer، كما حقق تحسيناً ملحوظاً يبلغ 17.6% على OpenTarget.

لذا، إذا كنت مهتماً بتقنيات الذكاء الاصطناعي ومجالات التطبيقات المحتملة، فلا تفوت فرصة استكشاف المزيد حول OpenGround عبر الموقع الرسمي للبرنامج.

ما رأيكم في هذا التطور الثوري في عالم تحديد الأماكن الثلاثية الأبعاد؟ شاركونا آراءكم في التعليقات!