تعتبر إزالة الكائنات من الفيديو (Video Object Removal - VOR) من التحديات الكبيرة في مجال معالجة الفيديو، ولكنّها تواجه مشكلتين رئيسيتين في آليات التقييم الحالية: مرجعيات غير موثوقة وعدم توافق المقاييس التقليدية مع تفضيلات البشر. لمواجهة هذه التحديات، تم تقديم معيار VOR-Bench، الذي يثري عملية تقييم VOR من خلال ثلاثة مكونات متكاملة.

أولًا، نعرض مجموعة بيانات VOR (VOR Dataset - VORD) التي تُعتبر أول مجموعة معيارية تقدم مقاطع فيديو مُعدلة وقوائم ماسك مُصمم خصيصًا، ما يجعلها فريدة بفضل التنوع الكبير الذي تحتويه، حيث تشمل بيانات تم إنشاؤها بواسطة نماذج ونماذج تم إظهارها بواسطة أدوات وبيانات تم التقاطها بالكاميرات، مما يضمن تقييمًا قويًا في مختلف السيناريوهات الحياتية.

ثانيًا، تم تطوير إطار عمل الرؤية الحركية (rMPAF - realistic Motion-capable Paired-video Acquisition Framework) الذي يجمع بين مفاهيم إزالة الكائنات الموجهة بالصور ونماذج توليد الفيديوهات الدقيقة، بحيث يقوم تلقائيًا بإنشاء مقاطع فيديو زوجية واقعية ومتسقة حركيًا.

أخيرًا، نقدم ثلاثة أبعاد جديدة للتقييم ونُقدم نموذج VOR-MDSM، الذي يُعتبر أول نموذج تقييم قائم على الإدراك البشري مُصمم خصيصًا لإزالة الكائنات المدعومة بالماسكات، مما يُعزز الفجوة بين البيانات العددية والإدراك البشري ويضم الصفات المرئية الأساسية ويحقق توافقًا مع الحكم البشري الدقيق. وقد أظهرت التجارب الشاملة أن VOR-Bench يحقق نتائج تقييم تتماشى بشكل وثيق مع الإدراك البشري، حيث سجل ارتباطًا ملحوظًا (ρ > 0.9) مع التقييمات الذاتية.

سنقوم بإطلاق VOR-Bench مع الوثائق الخاصة به لضمان إمكانية تكرار النتائج.