في عالم تقنيات الذكاء الاصطناعي، يظل توليد المناظر الجديدة (Novel View Synthesis) من مقاطع الفيديو الحقيقية تحديًا كبيرًا، على الرغم من وفرة البيانات. وهنا يبرز الابتكار من خلال تقنية "رايدر" (RayDer)، التي تقدم نهجًا موحدًا يجمع بين تقدير الكاميرا، إعادة بناء المشهد، وعرضه في هيكل واحد مدمج.

تتمثل الفكرة الرئيسية في تحويل مشكلة توليد المناظر الجديدة ذاتية الإشراف إلى مسألة بسيطة مع نموذج واحد، ما يوفر استقرارًا أثناء التدريب على الفيديوهات الحقيقية غير المقيدة. يعتمد رايدر على حالة ديناميكية بسيطة تُعتبر عامل إزعاج، مما يسمح له بالتعامل مع المحتوى المتغير عبر الزمن بصورة فعالة.

وبينما تركز معظم التقنيات التقليدية على إعادة بناء المحتوى الديناميكي، يظل الهدف الرئيسي لرايدر مرتبطًا بمشاهد ثابتة، حيث يتم استخدام المحتوى المتغير كإشراف قابل للتوسع بدلاً من إعادة بنائه.

تظهر نتائج التجارب أن رايدر يحافظ على قدرة عالية على التوسع مع البيانات والموارد الحاسوبية، مما يجعله يتفوق على خلطات البيانات الخاصة بالمشاهد الثابتة. وحققت التقنية أداءً رائعًا في مجموعة متنوعة من الاختبارات، حيث أظهرت قدرة تنافسية قوية في بيئات مفتوحة دون إشراف، مماثلة لأحدث الأساليب المتقدمة.

تسعى تقنية رايدر إلى إعادة تعريف كيفية تعامل النماذج مع مقاطع الفيديو، وأن تكون خطوة مهمة نحو تحسين إمكانيات الذكاء الاصطناعي في المجال.