نموذج بوابات المنطق الثورية يكشف النقاب عن تقنية جديدة لاكتشاف النسخ الفيديو بكفاءة عالية!

في عصر تتزايد فيه الحاجة إلى تقنيات فعالة لاكتشاف نسخ الفيديو، تظهر شبكة بوابات المنطق (Logic Gate Networks) كحل مبتكر يحقق نتائج مبهرة. يعد اكتشاف النسخ الفيديو من التحديات التقنية التي تتطلب تقديراً قوياً للتشابه تحت تأثير تشويهات بصرية متنوعة، خاصة عند العمل على نطاق واسع.

على الرغم من إن النماذج العميقة (Deep Neural Networks) قد حققت أداءً قوياً، إلا أن تكاليفها الحاسوبية وحجم الوصف تُعوق التطبيق العملي في الأنظمة عالية الإنتاجية. في هذه الدراسة، تم اقتراح إطار عمل جديد يعتمد على شبكة بوابات المنطق القابلة للاشتقاق، وهي تستبدل مستخرجات الخصائص التقليدية بممثلين قائمين على المنطق.

يجمع هذا النهج بين تصغير الإطارات بشكل جذري، المعالجة الثنائية، ونموذج تضمين بوابة المنطق القابل للتدريب الذي يتعلم كلا من العمليات المنطقية والترابطات. بعد التدريب، يمكن تحويل النموذج إلى دائرة بولينية بحتة، مما يمكّن من استنتاج سريع وفعال من حيث الذاكرة.

لقد تم تقييم استراتيجيات التشابه المختلفة، مخططات التثبيت، وهياكل شبكة بوابات المنطق عبر مجموعة من طيات البيانات ومستويات الصعوبة. أظهرت النتائج التجريبية أن النماذج القائمة على بوابات المنطق حققت دقة وأداء تصنيف تنافسي أو متفوق مقارنة بالنماذج السابقة. علاوةً على ذلك، أنتجت أوصافًا أصغر عدة مرات من حيث الحجم، وسرعات استنتاج تتجاوز 11 ألف عينة في الثانية. تلك النتائج تشير إلى أن النماذج القائمة على المنطق تُقدم بديلاً واعداً لاكتشاف النسخ الفيديو بشكل قابل للتوسع وفعال من حيث الموارد.