في عالم يتزايد فيه الاعتماد على الأنظمة المستقلة، أصبحت القدرة على رصد الحوادث الشاذة في الفيديوهات (Video Anomaly Detection - VAD) أمرًا لا غنى عنه. ولعل أحد أبرز التحديات التي تواجه الباحثين في هذا المجال هو نقص التنوع في المشاهد وتوازن تغطية الحوادث ضمن المعيار الحالي، مما يجعل من تقييم الأداء في التطبيقات الواقعية مهمة صعبة.

يتجه المجتمع الأكاديمي نحو مفهوم أعمق يسمى فهم الحوادث في الفيديو (Video Anomaly Understanding - VAU)، الذي يتطلب تفكيرًا أكثر تعقيدًا من حيث الدلالات والسببية، إلا أن مشكلات التوصيف اليدوي تستمر في تعطيل التقدم.

في هذا السياق، قدم فريق البحث مشروع بيستاشيو - معيار جديد يهدف إلى تحسين الرصد الذكي للحوادث. يعتمد هذا المعيار على نموذج للتوليد المنضبط يمكنهم من التحكم بشكل دقيق في المشاهد وأنواع الحوادث والسرد الزمني. وبالتالي، يتمكن الباحثون من تفادي التحيزات والمحددات المرتبطة بمجموعات البيانات التي يتم جمعها من الإنترنت.

تتضمن الطرق المستخدمة في بيستاشيو تعيين الحوادث وفقًا للمشاهد، وتوليد سيناريوهات معقدة عبر مراحل متعددة، بالإضافة إلى استراتيجية للتوليد الطويل متسق زمنيًا، ما يؤدي إلى إنتاج فيديوهات تدوم 41 ثانية بقليل من التدخلات البشرية.

عبر تجارب مكثفة، يبرز بيستاشيو بصفته معيارًا يتسم بالتنوع والتعقيد، مما يكشف عن تحديات جديدة للأساليب الحالية ويشجع على مزيد من الأبحاث حول فهم الحوادث الديناميكية ومتعددة الأحداث.