🔬 أبحاث2 دقائق للقراءة👁 0 مشاهدة

ثورة جديدة في تتبع الأجسام: MambaTrack يجمع بين الذكاء والرؤية

تقديم MambaTrack كإطار عمل مبتكر في تتبع الأجسام باستخدام نموذج الحالة الديناميكي، والذي يحسن وبشكل ملحوظ من دقة الربط بين البيانات المتعددة. نجاحه في التجارب يظهر آفاقًا جديدة لتقنيات التتبع في الزمن الحقيقي.

في عالم تتبع الأجسام، يعد التكيف مع الظروف المتغيرة أمرًا حيويًا لضمان دقة الرؤية وفعالية المعالجة. ولقد أثبتت الأساليب التقليدية المبنية على Vision Mamba أنها تعاني من محدوديات كبيرة بسبب اعتمادها على مصفوفات التحول الثابتة، مما يعوق قدراتها في التعامل مع تباينات كثافة الأحداث. عليه، نرى تطورًا جديدًا يتمثل في MambaTrack، إطار عمل متعدّد المجالات وفعّال يرتكز على نموذج الحالة الديناميكي (Dynamic State Space Model DSSM).

تتمثل المساهمة الرئيسية لـ MambaTrack في تقديم آلية تحول حالات متكيّفة مع الأحداث، مما يعمل على تعديل مصفوفة التحول بناءً على كثافة تدفقات الأحداث. حيث يتم التحكم في معدل تطور الحالة بواسطة قياس تعلّمي، مما يتيح نمذجة متميزة لتدفقات الأحداث النادرة والكثيفة.

علاوة على ذلك، تم تطوير وحدة دمج الإشارات المعزولة (Gated Projection Fusion GPF) لتسهيل دمج البيانات المتعددة بشكل موثوق. حيث تقوم هذه الوحدة بإسقاط ميزات RGB في فضاء ميزات الأحداث، وتولد بوابات متكيفة بناءً على كثافة الأحداث ودرجات الثقة في RGB. هذه البوابات تتحكم بدقة في شدة الدمج، مما يقلل الضوضاء ويحتفظ بالمعلومات المكمّلة.

تظهر التجارب أن MambaTrack يحقق أداءً رائدًا في مجموعة بيانات FE108 و FELT. كما أن تصميمه الخفيف يفتح آفاقًا جديدة لإمكانية النشر في الزمن الحقيقي، مما يعزز من قدراته في تطبيقات الطائرات المركبة والرصد الذكي.

انطلق معنا في رحلة استكشاف هذه التقنية المتقدمة التي تعد بآفاق جديدة في عالم الذكاء الاصطناعي وتكنولوجيا الرؤية!
المصدر:أركايف للذكاءاقرأ المصدر الأصلي ←
مشاركة:𝕏واتسابتيليجراملينكدإن

📰 أخبار ذات صلة