في عصر الذكاء الاصطناعي، يظل تحدي كشف الأنماط غير العادية في الفيديو (Video Anomaly Detection - VAD) واحداً من الأمور البارزة التي تواجه التكنولوجيا الحديثة. تستهدف هذه العملية التعرف على الأحداث غير الطبيعية وتحديد فترات ظهورها بدقة. ومع أن الطرق التقليدية تعتمد على الشبكات العصبية العميقة (DNN) لتحديد الأوقات التي تحدث فيها الأمور الغريبة، إلا أنها تنقص الكثير فيما يتعلق بالفهم الدلالي.

على نحو مبتكر، تسعى دراسة جديدة لتقديم إطار عمل يتسم بالتفكير الذاتي، مستلهمة من الطريقة التي يتفاعل بها البشر مع مقاطع الفيديو المراقبة. حيث يقومون أولاً بالنظرة العامة لتكوين فرضيات زمنية، ثم يعكفون على تدقيق الأجزاء المشبوهة، ويستمرون في التفكير بشكل تكراري لتحقيق تصحيحات للأخطاء.

برغم أن النهج التقليدي يفتقر إلى الفهم الكافي للأمور، فإن الباحثين اقترحوا إطار عمل جديد يسمى Glance then Scrutinize (GtS)، والذي يعتمد على إرشادات نصية ثابتة وديناميكية لتحديد الأنماط بدقة وسرعة. لكن لم يتوقف البحث هنا، بل تم تقديم نموذج مبتكر يعتمد على تعلم الآلة باستخدام نموذج لغوي ضخم يمكنه الاستعانة بالأدوات لتحسين دقة الاستنتاج.

أثناء التجارب، أثبت نموذج GtS أنه يتجاوز الطرق التقليدية الخالية من التدريب بشكل ملحوظ، بينما أظهر النموذج الذاتي الدقة المتزايدة وسرعة الاستنتاج.

لتقييم كفاءة هذا الإطار، تم توسيع مجموعة بيانات VAGU (Video Anomaly Grounding and Understanding) لتصبح VAGU-T، التي تضم أكثر من 7500 فيديو حقيقي و21 فئة من الأنماط الغريبة.

في ختام هذا البحث المثير، يتضح أن الجمع بين الفهم الزمني والدلالي يمكن أن يحدث ثورة في كيفية معالجة أنماط الفيديو. ما رأيكم في هذا التطور؟ شاركونا في التعليقات!