في عالم التكنولوجيا المتسارع، تعتبر نماذج الذكاء الاصطناعي (AI models) ضرورية في تطبيقاتها الحياتية، ومع ذلك، فإن توفر البيانات يعد من التحديات الكبرى التي تواجه تنفيذ هذه النماذج. تتمثل المشكلة في أن مجموعات البيانات الواقعية غالبًا ما تكون غير متوازنة أو غير كافية خاصةً في البيئات ذات الإضاءة المنخفضة.

لذا، تقدم دراسة حديثة حلاً مبتكرًا باستخدام البيانات الاصطناعية لتعزيز أداء نماذج كشف الأشخاص. تتمحور الدراسة حول الأمان في القيادة الذاتية، حيث تمثل القدرة على كشف المشاة في ظروف الإضاءة الضعيفة تحديًا كبيرًا. من خلال استخدام تقنية تحسين الصور RAW الاصطناعية، يمكن تكوين عينات ضوئية منخفضة تعكس نموذج الضجيج الخاص بمستشعر الكاميرا.

تشير النتائج إلى أن المقاييس الخاصة بالأداء على البيانات الواقعية والاصطناعية متشابهة، مما يدل على أن النموذج الذكي يجد صعوبة في التفريق بينهما. هذه النتيجة تفتح آفاقًا واسعة لتوظيف البيانات الاصطناعية في تحسين أداء نماذج الذكاء الاصطناعي، مما يعزز من قابلية نموذج كاشف الأشخاص على التكيف مع مختلف ظروف الإضاءة، وهو أمرٌ حيوي في تطبيقات القيادة الذاتية التي تعتمد على دقة هذه الأنظمة في اتخاذ القرارات.