في عالم الرؤية الحاسوبية والروبوتات، يعد تقدير العمق من الصور الكروية (Spherical Images) من التحديات الجوهرية التي تؤثر بشكل كبير على التنقل في الفضاء ثلاثي الأبعاد وفهم المشاهد الغامرة. وفي هذا الإطار، تم الإعلان عن معايير جديدة تُعرف بـ Sphere-Depth، التي تهدف إلى تقييم موثوقية نماذج تقدير العمق من الصور الكروية بطريقة متسقة وقابلة للتكرار.

تواجه الكاميرات الكروية المستخدمة في الروبوتات، تغيرات مفاجئة في وضعها، مما يتسبب في تأثيرات سلبية على دقة تقدير العمق. أما مع الإضافات الهندسية الناتجة عن الإسقاطات الإكويركتانجل (Equirectangular Projections)، فقد يصبح الأمر أكثر تعقيدًا.

يوفر معيار Sphere-Depth حلولًا مبتكرة، حيث يتم محاكاة تغيرات وضع الكاميرا لتجربة النماذج المستخدمة مثل Depth Anything، وDepth Anywhere، وACDNet، وBifuse++، وSliceNet. هذا النموذج الجديد يتميز باعتماده على بروتوكول خطأ قائم على معايرة العمق يهدف إلى تحويل القيم النسبية المتوقعة إلى قيم عمق م Metric، مما يضمن تقييمًا دقيقًا وعادلًا عبر مختلف النماذج.

أظهرت التجارب أن حتى النماذج المصممة خصيصًا للتعامل مع الصور الكروية تعاني من تراجع كبير في الأداء عند حدوث تغييرات في وضع الكاميرا مقارنةً بالوضع القياسي. يمكن الآن الوصول إلى معيار تقييم Sphere-Depth كاملة، بروتوكولات التقييم، وانقسامات مجموعات البيانات عبر الرابط التالي: [https://github.com/sgazzeh/Sphere_depth]. هذا الابتكار يعد خطوة مهمة في تعزيز دقة أنظمة الرؤية الحاسوبية.

ما رأيكم في هذا التطور المثير؟ شاركونا في التعليقات.