ثورة في كشف الشذوذ في الفيديوهات: الكشف عن الأنماط غير المتوقعة دون تأخير

في زمن تتسارع فيه وتيرة التطورات التكنولوجية، برز نموذج جديد يعد ثورة في مجال كشف الشذوذ في الفيديوهات، حيث استخدم أساليب متقدمة تعتمد على نماذج الحالة (State Space Models) من نوع Mamba. هذا النموذج يتميز بقدرته على معالجة الفيديوهات بشكل مباشر دون الحاجة إلى تخزين مقاطع مؤقتة، مما يقيه من التأخير الزمني المتعارف عليه في الطرق التقليدية.

النموذج الجديد يمكنه معالجة كل إطار بمعدل زمني ومستوى ذاكرة ثابت يبلغ O(1) لكل إطار وارد، وهو ما يحلّ مشكلة تأخير الكشف بشكل جوهري. وقد تم تصميم لبنته الأساسية كمسألة خطية ذات حالة متكررة، مع مدخلات ومخرجات تعتمد على بوابة تافهة على حالة الكشف. تم تدريب النموذج بطريقة ذاتية من خلال التنبؤ بالتضمين التالي لمحرك مرئي ثابت.

نتيجة لذلك، توصل الباحثون إلى علاقة مغلقة بين طيف تدهور التكرار وزمن تأخير الكشف، وهو ما تم التحقق منه تجريبياً على مجموعة بيانات UCSD Ped2 وCUHK Avenue.

علاوة على ذلك، تم قياس الأداء على أجهزة Apple M3 Pro حيث حقق النموذج تأخيراً نهائياً بلغ 0.74 مللي ثانية وإنتاجية 0.77 مللي ثانية لكل إطار، أي أكثر من 1300 إطار في الثانية، بدلاً من الاعتماد على أرقام GPU التقليدية.

يمكن القول إن النموذج قد حقق دقة 67.9% و70.2% على المجموعتين البيانتين، في محاولة جريئة لإغلاق الفجوة في دقة الأنماط غير المتوقعة.

تعتبر هذه الإنجازات بمثابة خطوات استراتيجية في مجال كشف الشذوذ، حيث يتطلع الباحثون إلى توسيع تقييماتهم ليشمل مجموعة بيانات ثالثة أكبر، مما يضمن تقديم أداء رائد في هذا المجال المثير.

ما رأيكم في هذه التطورات المذهلة؟ هل تعتقدون أن النماذج التي لا تحتاج إلى تخزين مؤقت يمكن أن تغير قواعد اللعبة؟ شاركونا آراءكم!